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
2.2k
[論文紹介] A Method to Anonymize Business Metrics to Publishing Implicit Feedback Datasets (Recsys2020) / recsys20-reading-gunosy-datapub
ysekky
3
2.7k
JSAI2020 OS-12 広告とAI オープニング / JSAI2020-OS-12-ads-and-ai-opening
ysekky
0
2.1k
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
780
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
2.8k
Gunosyにおけるニュース記事推薦/ news-recommendation-in-gunosy-webdbf2019
ysekky
1
1.5k
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
2.3k
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
4k
Other Decks in Science
See All in Science
Trend Classification of InSAR Displacement Time Series Using SAE–CNN
satai
4
630
サイゼミ用因果推論
lw
1
7.5k
深層学習を用いた根菜類の個数カウントによる収量推定法の開発
kentaitakura
0
180
機械学習 - DBSCAN
trycycle
PRO
0
1k
データマイニング - ノードの中心性
trycycle
PRO
0
270
データベース06: SQL (3/3) 副問い合わせ
trycycle
PRO
1
620
学術講演会中央大学学員会府中支部
tagtag
0
300
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
350
統計的因果探索: 背景知識とデータにより因果仮説を探索する
sshimizu2006
4
1k
academist Prize 4期生 研究トーク延長戦!「美は世界を救う」っていうけど、どうやって?
jimpe_hitsuwari
0
160
モンテカルロDCF法による事業価値の算出(モンテカルロ法とベイズモデリング) / Business Valuation Using Monte Carlo DCF Method (Monte Carlo Simulation and Bayesian Modeling)
ikuma_w
0
250
01_篠原弘道_SIPガバニングボード座長_ポスコロSIPへの期待.pdf
sip3ristex
0
660
Featured
See All Featured
Making the Leap to Tech Lead
cromwellryan
135
9.5k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
15k
Designing for Performance
lara
610
69k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
31
2.2k
Build The Right Thing And Hit Your Dates
maggiecrowley
37
2.9k
Writing Fast Ruby
sferik
628
62k
Context Engineering - Making Every Token Count
addyosmani
3
58
VelocityConf: Rendering Performance Case Studies
addyosmani
332
24k
Intergalactic Javascript Robots from Outer Space
tanoku
272
27k
RailsConf 2023
tenderlove
30
1.2k
Done Done
chrislema
185
16k
Docker and Python
trallard
46
3.6k
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