19/06/27 14:53:39.12 ZZ4yQS+50.net
>>981
サンクス
1010:デフォルトの名無しさん
19/06/28 16:25:53.30 BWz5SbEt0.net
多次元尺度構成法ってデータ間のユークリッド距離を見てユークリッド距離をほぼ再現できる別次元のデータ構成をつくりなおすってことで合ってる？
1011:デフォルトの名無しさん
19/06/28 16:30:09.80 L7hsi0hP0.net
まるちんこ
1012:デフォルトの名無しさん
19/06/28 18:49:48.28 HvoUsiIUM.net
>>983
合ってると思うけど
理論の詳しいことはわからない。
ただデータ分析ではウルトラむちゃくちゃ役に立つ！
図で結果を表示できるから
客が納得してくれる。
MDSはいいよ！
1013:デフォルトの名無しさん
19/06/28 19:27:51.30 3mLnUJ2u0.net
>>983
「ほぼ再現できる」は言い過ぎで「できるだけ再現できる」程度だな
本来遠くにあるべきやつが近くに表示されてたりとかする
仕方ないことだけど
1014:デフォルトの名無しさん
19/06/28 19:45:42.33 HvoUsiIUM.net
次元縮約してんだから
んなこたあ馬鹿でもわかる
1015:デフォルトの名無しさん
19/06/28 19:51:50.53 3mLnUJ2u0.net
>>987
ほぼ再現っていうから分かってないかと思うじゃん
1016:デフォルトの名無しさん
19/06/28 20:12:35.62 BWz5SbEt0.net
>>986
回答ありがとう
ちなみに多次元尺度構成法の数学的なアルゴリズムの概要がわかる人っていますか？
1017:デフォルトの名無しさん
19/06/28 20:26:42.97 3mLnUJ2u0.net
>>989
たしか元の距離と変換後の距離の差の二乗和を最小化する線形変換を求めるとかいうのだったと思う
1018:デフォルトの名無しさん
19/06/28 21:56:21.11 BWz5SbEt0.net
>>990
そんな簡単な話なんですか？
1019:デフォルトの名無しさん
19/06/28 22:00:37.83 BWz5SbEt0.net
>>192
統計学が大学一年レベルでこの業界って無茶すぎるしそもそも下のアルゴリズムがすでに大学3ー4年レベルの統計学じゃん
1020:デフォルトの名無しさん
19/06/28 22:09:57.11 3mLnUJ2u0.net
>>991
MDSに関してはそんなレベルだと思うよ
線形変換がよくないっていうならisomap、tSNE、umapとかいろいろ手法があると思うけどパラメータのチューニングどうするんだっていうのは分からんです
1021:デフォルトの名無しさん
19/06/28 22:18:41.44 BWz5SbEt0.net
>>993
ありがとう
1022:デフォルトの名無しさん
19/06/28 22:19:57.41 BWz5SbEt0.net
いわゆる最小二乗法っていうのは正規線形モデル(つまり誤差項が正規分布に従う仮定の線形モデル)でほかの確率分布を想定するために一般化線形モデル(正規分布以外の分布にも従うことを想定するモデル)があるっていうことでいいんでしょうか？だれかおしえてください
私の認識では正規分布に従う仮定ならばパラメータの推定は最小二乗法という簡単な行列計算で行うことができるけど他の分布の仮定であれば一般化線形モデルのもと最適化アルゴリズムを利用した最尤法を行わなければいけないという理解なんだけどあってるのかな？
1023:デフォルトの名無しさん
19/06/28 23:40:15.64 HvoUsiIUM.net
>>995
入門書ぐらい読んでから質問しなよ？
1024:デフォルトの名無しさん
19/06/29 00:25:52.88 pC5pXrtS0.net
>>996
合ってるかどうかだけでも教えてくれないか？
1025:デフォルトの名無しさん
19/06/29 00:57:33.82 sli9M1dN0.net
>>995
Rでlmとglmの引数の違いを見つめてれば何かが分かるはず
1026:デフォルトの名無しさん
19/06/29 01:19:10.70 3pgMwDvE0.net
>>995
あってるよ
データ解析のための統計モデリング入門が良書でオススメ
>>707が著者の本に沿ったプレゼン
1027:デフォルトの名無しさん
19/06/29 01:27:35.71 sli9M1dN0.net
1000!
線形モデルで最尤推定してもいいんだよ？
その場合、確率分布が正規分布だから
最小二乗と結果同じになるけど
1028:1001
Over 1000 Thread.net
このスレッドは１０００を超えました。
新しいスレッドを立ててください。
life time: 58日 14時間 47分 50秒
1029:過去ログ ★
[過去ログ]
■ このスレッドは過去ログ倉庫に格納されています