Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
[輪読]時系列解析入門 5章
Search
ysekky
April 08, 2015
Science
1
320
[輪読]時系列解析入門 5章
ysekky
April 08, 2015
Tweet
Share
More Decks by ysekky
See All by ysekky
スタートアップの開発サイクルに学ぶ 研究活動の進め方 / research practices inspired by startup business strategy
ysekky
0
2.4k
[論文紹介] A Method to Anonymize Business Metrics to Publishing Implicit Feedback Datasets (Recsys2020) / recsys20-reading-gunosy-datapub
ysekky
3
2.8k
JSAI2020 OS-12 広告とAI オープニング / JSAI2020-OS-12-ads-and-ai-opening
ysekky
0
2.2k
JSAI2020インダストリアルセッション - Gunosyにおける研究開発 / jsai2020-gunosy-rd-examples
ysekky
1
810
ウェブサービス事業者における研究開発インターン[株式会社Gunosy] - テキストアナリティクスシンポジウム2019 / research-intern-case-study-at-gunosy
ysekky
0
3k
Gunosyにおけるニュース記事推薦/ news-recommendation-in-gunosy-webdbf2019
ysekky
1
1.6k
DEIM2019技術報告セッション - Gunosyの研究開発 / deim-2019-sponsor-session-gunosy-research
ysekky
0
1.2k
Analysis of Bias in Gathering Information Between User Attributes in News Application (ABCCS 2018)
ysekky
1
2.4k
世代による政治ニュース記事の閲覧傾向の違いの分析 - JSAI2018 / Analysis of differences in viewing behavior of politics news by age
ysekky
0
4.1k
Other Decks in Science
See All in Science
Vibecoding for Product Managers
ibknadedeji
0
150
データベース08: 実体関連モデルとは?
trycycle
PRO
0
1k
Testing the Longevity Bottleneck Hypothesis
chinson03
0
200
白金鉱業Meetup_Vol.20 効果検証ことはじめ / Introduction to Impact Evaluation
brainpadpr
2
1.7k
知能とはなにかーヒトとAIのあいだー
tagtag
PRO
0
180
「遂行理論の未来」(松島斉教授最終講義記念セッションの発表資料)
shunyanoda
0
790
データベース15: ビッグデータ時代のデータベース
trycycle
PRO
0
460
baseballrによるMLBデータの抽出と階層ベイズモデルによる打率の推定 / TokyoR118
dropout009
2
870
データベース14: B+木 & ハッシュ索引
trycycle
PRO
0
680
俺たちは本当に分かり合えるのか? ~ PdMとスクラムチームの “ずれ” を科学する
bonotake
2
2.1k
タンパク質間相互作⽤を利⽤した⼈⼯知能による新しい薬剤遺伝⼦-疾患相互作⽤の同定
tagtag
PRO
0
180
Amusing Abliteration
ianozsvald
0
140
Featured
See All Featured
Facilitating Awesome Meetings
lara
57
6.8k
Bash Introduction
62gerente
615
210k
Agile that works and the tools we love
rasmusluckow
331
21k
Bootstrapping a Software Product
garrettdimon
PRO
307
120k
svc-hook: hooking system calls on ARM64 by binary rewriting
retrage
2
180
Paper Plane (Part 1)
katiecoart
PRO
0
5.8k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
16
1.9k
Visualization
eitanlees
150
17k
Lightning talk: Run Django tests with GitHub Actions
sabderemane
0
150
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Fireside Chat
paigeccino
42
3.8k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3.3k
Transcript
時系列解析入門 5章 最小2乗法 Yoshifumi Seki (Gunosy Inc) 2015.04.07
5.1 回帰モデルと最小2乗法 • ynを目的変数, xn1,..,xnmを説明変数とすると き以下を回帰モデルという • 行列を用いて以下のように表現できる
5.1 回帰モデルと最小2乗法 • 回帰モデルの対数尤度を最大にする回帰係 数aを求めるためには以下を最小化すればよ い • これを最小2乗法と呼ぶ
5.3 AICによる次数選択 • 次数: 説明変数の個数m • AICによって説明変数の個数を選択するため にはj個の変数を用いた回帰モデルのAIC_jを 求め最小となるjを選択すればよい
5.4 データの追加と分割処理 • 全データメモリに乗せると計算は辛い • 一部のデータから求められていれば,データ を追加してパラメータを更新することは容易で ある
5.5 AICによる変数選択 • 5.3節でみたような形は説明変数を採用する 優先順位が決められているケース • 本節では優先順位も決める – 説明変数の優先順位のインデックスベクトル
• 上記のモデルから最適なモデルを選択する – 個のモデルができる
None