Upgrade to Pro — share decks privately, control downloads, hide ads and more …

[輪読]時系列解析入門 5章

ysekky
April 08, 2015
Science
1
300

[輪読]時系列解析入門 5章

ysekky

April 08, 2015
Tweet

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
1.9k
[論文紹介] A Method to Anonymize Business Metrics to Publishing Implicit Feedback Datasets (Recsys2020) / recsys20-reading-gunosy-datapub
ysekky
3
2.5k
JSAI2020 OS-12 広告とAI オープニング / JSAI2020-OS-12-ads-and-ai-opening
ysekky
0
1.9k
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
730
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
2.6k
Gunosyにおけるニュース記事推薦/ news-recommendation-in-gunosy-webdbf2019
ysekky
1
1.4k
DEIM2019技術報告セッション - Gunosyの研究開発 / deim-2019-sponsor-session-gunosy-research
ysekky
0
980
Analysis of Bias in Gathering Information Between User Attributes in News Application (ABCCS 2018)
ysekky
1
2.2k
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
3.8k

Other Decks in Science

See All in Science
論文紹介: PEFA: Parameter-Free Adapters for Large-scale Embedding-based Retrieval Models (WSDM 2024)
ynakano
0
150
理論計算機科学における 数学の応用: 擬似ランダムネス
nobushimi
1
340
重複排除・高速バックアップ・ランサムウェア対策 三拍子そろったExaGrid × Veeam連携セミナー
climbteam
0
110
Mechanistic Interpretability の紹介
sohtakahashi
0
350
The Incredible Machine: Developer Productivity and the Impact of AI
tomzimmermann
0
390
(Forkwell Library #48)『詳解 インシデントレスポンス』で学び倒すブルーチーム技術
scientia
2
1.4k
ほたるのひかり/RayTracingCamp10
kugimasa
0
210
創薬における機械学習技術について
kanojikajino
13
4.4k
Celebrate UTIG: Staff and Student Awards 2024
utig
0
460
教師なしテンソル分解に基づく、有糸分裂後の転写再活性化におけるヒストン修飾ブックマークとしての転写因子候補の抽出法
tagtag
0
120
Direct Preference Optimization
zchenry
0
280
(2024) Livres, Femmes et Math
mansuy
0
110

Featured

See All Featured
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
47
2.1k
How To Stay Up To Date on Web Technology
chriscoyier
788
250k
Stop Working from a Prison Cell
hatefulcrawdad
267
20k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
126
18k
How GitHub (no longer) Works
holman
310
140k
The Art of Programming - Codeland 2020
erikaheidi
52
13k
The Power of CSS Pseudo Elements
geoffreycrofte
73
5.3k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
26
1.4k
We Have a Design System, Now What?
morganepeng
50
7.2k
The Cost Of JavaScript in 2023
addyosmani
45
6.7k
Build your cross-platform service in a week with App Engine
jlugia
229
18k
Put a Button on it: Removing Barriers to Going Fast.
kastner
59
3.5k

Transcript

  1. 時系列解析入門    5章 最小２乗法 Yoshifumi  Seki  (Gunosy  Inc)   2015.04.07

  2. 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  

     

  3. 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  

  4. 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. 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  

  6. 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
  7. None