Mallet: MAchine Learning for LanguagE Toolkit
View the Project on GitHub mimno/Mallet Download ZIP File Download TAR Ball View On GitHub Mallet: MAchine Learning for LanguagE Toolkit MALLET is a Java-based package for statistical natural language processing, document classification, clustering, topic modeling, information extraction, and other machine learning applications to text. MALLET includes sophisticated tools for document classificati
Finding the K in K-Means Clustering
A couple of weeks ago, here at The Data Science Lab we showed how Lloyd’s algorithm can be used to cluster points using k-means with a simple python implementation. We also produced interesting visualizations of the Voronoi tessellation induced by the clustering. At the end of the post we hinted at some of the shortcomings of this clustering procedure. The basic k-means is an extremely simple and
Latent Dirichlet Allocation(LDA)を用ã„ãŸãƒ‹ãƒ¥ãƒ¼ã‚¹è¨˜äº‹ã®åˆ†é¡ž | SmartNews開発者ブãƒã‚°
æ ªå¼ä¼šç¤¾ã‚´ã‚¯ãƒã®ä¸è·¯ã§ã™ã€‚ 以å‰ã®ãƒ™ã‚¤ã‚ºåˆ†é¡žã‚’ベースã«ã—ãŸSmartNewsã®ãƒãƒ£ãƒ³ãƒãƒ«åˆ¤å®šã§è§¦ã‚ŒãŸã‚ˆã†ã«ã€SmartNewsã§é…ä¿¡ã™ã‚‹è¨˜äº‹ã‚’「スãƒãƒ¼ãƒ„ã€ã€Œã‚¨ãƒ³ã‚¿ãƒ¡ã€ã€Œã‚³ãƒ©ãƒ ã€ã®ã‚ˆã†ãªãƒãƒ£ãƒ³ãƒãƒ«ã«åˆ†é¡žã—ã¦ã„ã‚‹ã®ã¯ã€äººã§ã¯ãªã機械ã§ã™ã€‚ãã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã¨ã—ã¦å‰å›žã”紹介ã—ãŸã®ã¯ã€ŒãƒŠã‚¤ãƒ¼ãƒ–ベイズ分類器ã€ã§ã™ãŒã€è¨˜äº‹ã®åˆ†é¡žã‚’è¡Œã†æ‰‹æ³•ã¯ã€ä»–ã«ã‚‚様々ãªã‚‚ã®ãŒã‚ã‚Šã¾ã™ã€‚ãã®ä¸ã§ä»Šå›žã¯Latent Dirichlet Allocation(以下LDA)ã«ã¤ã„ã¦ã€å…ˆæ—¥æ±äº¬å¤§å¦ã®åšå£«èª²ç¨‹ã®çš†ã•ã‚“ã¨ã€ç¤¾å†…ã§åˆåŒå‹‰å¼·ä¼šã‚’è¡Œã£ãŸéš›ã«ä½œæˆã—ãŸè³‡æ–™ã‚’ベースã«ã”紹介ã—ã¾ã™ã€‚ LDAã§ã§ãã‚‹ã“ã¨ã®ä¾‹ å‰å›žã”紹介ã—ãŸãƒŠã‚¤ãƒ¼ãƒ–ベイズ分類器を構築ã™ã‚‹éš›ã«ã¯ã€ã™ã§ã«ãƒˆãƒ”ックã®ãƒ©ãƒ™ãƒ«ãŒä»˜ã‘られãŸæ–‡ç« ã‚’ã€å¦ç¿’データã¨ã—ã¦ç”¨æ„ã™ã‚‹å¿…è¦ãŒã‚ã‚Šã¾ã—ãŸã€‚ 一方ã€LDAã®å ´åˆã¯ã€ æ±äº¬ã§ã‚µãƒƒã‚«ãƒ¼å¤§ä¼šãŒé–‹å‚¬ã•ã‚ŒãŸã€‚xxé¸æ‰‹ã®ã‚´ãƒ¼ãƒ«ãŒåœ§å·»ã§ã‚ã£ãŸã€‚
K-means hashing (CVPR'13) ã¨ãƒãƒƒã‚·ãƒ³ã‚°å‘¨ã‚Š
1. K-means Hashing: an Affinity-Preserving Quantization Method for Learning Binary Compact Codes Yusuke Uchida (@yu4u) KDDI R&D Laboratories, Inc. 2. 背景 • ç”»åƒç‰¹å¾´ – SIFT: 128次元, GIST: 960 (384) 次元, FV/VLAD: ～数万次元 – 1M～1B枚レベルã®ç”»åƒæ¤œç´¢ã¨ã‹ã—ãŸã„ãŠâ€¦ – ã§ã‚‚ç”»åƒã®ç‰¹å¾´ãƒ™ã‚¯ãƒˆãƒ«ãã®ã‚‚ã®ã‚’利用ã™ã‚‹ã¨ メモリã«ä¹—らãªã„ã—類似検索もãŠãã„ãŠâ€¦ – ã ã‹ã‚‰ã‚³ãƒ³ãƒ‘クトãªãƒã‚¤ãƒŠãƒªã‚³ãƒ¼ãƒ‰ã«å¤‰æ›ã™ã‚‹ãŠï¼ï¼ˆãƒ†ãƒ³ãƒ—レ） （é¢ç™½ã„ã‘ã©å¿œç”¨ã‚’æ°—ã«ã—ã¦ã„る人ãŒã‚ã‚“ã¾ã„ãªã„å°è±¡ï¼‰ • ãƒã‚¤ãƒŠãƒªåŒ–ã®ãƒ¡ãƒªãƒƒãƒˆ – コンパクト＋高速検索 (e.g., SSE 4.2 POPCNT) （å‚考）ビットを数ãˆã‚‹ ht
Google News Personalization: Scalable Online Collaborative Filtering
Google News Personalization: Scalable Online Collaborative Filtering Abhinandan Das, Mayur Datar, Ashutosh Garg WWW 2007, May 8-12, 2007 Presented by: Jerry Fu 4/24/2008 1 1 Friday, May 9, 2008 Outline Introduction and problem Related work on recommendation algorithms Overview of combined recommendation algorithm Overview of MapReduce Algorithm implementation details Generation of recommendations
クラスタリングã®å®šç•ªã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ 「K-means法ã€ã‚’ビジュアライズã—ã¦ã¿ãŸ - ã¦ã£ã煮ブãƒã‚°
集åˆçŸ¥ãƒ—ãƒã‚°ãƒ©ãƒŸãƒ³ã‚° ã‚’èªã‚“ã§ã„ãŸã‚‰ã€K-means 法（Kå¹³å‡æ³•ï¼‰ã®èª¬æ˜ŽãŒå‡ºã¦ãã¾ã—ãŸã€‚K-means 法ã¯ã‚¯ãƒ©ã‚¹ã‚¿ãƒªãƒ³ã‚°ã‚’è¡Œã†ãŸã‚ã®å®šç•ªã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ らã—ã„ã§ã™ã€‚å˜åœ¨ã¯çŸ¥ã£ã¦ã„ãŸã‚“ã ã‘ã©ã„ã¾ã„ã¡ãƒ”ンã¨ãã¦ã„ãªã‹ã£ãŸã®ã§ã€å‹•ä½œã‚’ç†è§£ã™ã‚‹ãŸã‚ã«ã‚µãƒ³ãƒ—ルを作ã£ã¦ã¿ã¾ã—ãŸã€‚クリックã™ã‚‹ã¨ï¼‘ステップãšã¤å‹•ã‹ã™ã“ã¨ãŒã§ãã¾ã™ã€‚クラスタã®æ•°ã‚„点ã®æ•°ã‚’変更ã—ã¦ã€RESET を押ã™ã¨å¥½ããªãƒ‘ラメータã§è©¦ã™ã“ã¨ãŒã§ãã¾ã™ã€‚ã“ã†ã‚„ã£ã¦ï¼‘ステップãšã¤ç¢ºèªã—ãªãŒã‚‰å‹•ã‹ã—ã¦ã¿ã‚‹ã¨ã€æ„外ã«å˜ç´”ãªä»•çµ„ã¿ãªã®ãŒå®Ÿæ„Ÿã§ãã¾ã—ãŸã€‚K-means 法ã¨ã¯Kå¹³å‡æ³• - Wikipedia ã«è©³ã—ã書ã„ã¦ã‚ã‚‹ã‘ã©ã€ã‚‚ã†ã™ã“ã—ザックリã¨æ›¸ãã¨ã“ã‚“ãªã‚¤ãƒ¡ãƒ¼ã‚¸ã«ãªã‚Šã¾ã™ã€‚å„点ã«ãƒ©ãƒ³ãƒ€ãƒ ã«ã‚¯ãƒ©ã‚¹ã‚¿ã‚’割り当ã¦ã‚‹ã‚¯ãƒ©ã‚¹ã‚¿ã®é‡å¿ƒã‚’計算ã™ã‚‹ã€‚点ã®ã‚¯ãƒ©ã‚¹ã‚¿ã‚’ã€ä¸€ç•ªè¿‘ã„é‡å¿ƒã®ã‚¯ãƒ©ã‚¹ã‚¿ã«å¤‰æ›´ã™ã‚‹å¤‰åŒ–ãŒãªã‘ã‚Œã°çµ‚了。変化ãŒã‚ã‚‹é™ã‚Šã¯ 2. ã«æˆ»ã‚‹ã€‚ã“ã‚Œ
トピックモデルを用ã„ã¦Webå°èª¬ã®ã‚¸ãƒ£ãƒ³ãƒ«ãƒ»æµè¡Œã‚’分æžã—よã†
トピックモデルを用ã„㦠W e b å°èª¬ã®ã‚¸ãƒ£ãƒ³ãƒ«ãƒ» æµè¡Œã‚’分æžã—よㆠ2 0 1 3 / 0 3 / 1 9 ( K M C 春åˆå®¿2 0 1 3 ) è¿‘è—¤ èª ä¸€ ( @ s e i k i c h i ) 自己紹介 è¿‘è—¤ èª ä¸€ (@seikichi): p༇  大å¦é™¢ä¿®å£«1回生 p༇  æƒ…å ±å¦ç ”ç©¶ç§‘çŸ¥èƒ½æƒ…å ±å¦å°‚æ”» 趣味: p༇  ラノベ，料ç†ï¼Œã‚¢ãƒ‹ãƒ¡ è¿‘æ³: p༇  é›»å書ç±ã‚’è²·ã„ã¾ãã‚Šèªã¿ã¾ãり楽ã—ã™ãŽ p༇  シュウ……カツ……シュウ……カツ…… 目次 p༇  今「å°èª¬å®¶ã«ãªã‚ã†ã€ãŒã‚¢ãƒ„ã„ p༇  トピックモデルã“ã¨ã¯ã˜ã‚ p༇  Latent Dirichlet Allocation (LDA) を用ã„㟠Webå°èª¬ã‚¸ãƒ£ãƒ³ãƒ«è§£æž p༇  Dynamic Topic Model (DTM) を用ã„㟠Webå°èª¬ã‚¸ãƒ£ãƒ³ãƒ«é·ç§»è§£æž p༇  ã¾ã¨
クラスタリング (クラスター分æž) - Toshihiro Kamishima
クラスタリング (clustering) ã¨ã¯ï¼Œåˆ†é¡žå¯¾è±¡ã®é›†åˆã‚’，内的çµåˆ (internal cohesion) ã¨å¤–的分離 (external isolation) ãŒé”æˆã•ã‚Œã‚‹ã‚ˆã†ãªéƒ¨åˆ†é›†åˆã«åˆ†å‰²ã™ã‚‹ã“㨠[Everitt 93, 大橋 85] ã§ã™ï¼Žçµ±è¨ˆè§£æžã‚„多変é‡è§£æžã®åˆ†é‡Žã§ã¯ã‚¯ãƒ©ã‚¹ã‚¿ãƒ¼åˆ†æž (cluster analysis) ã¨ã‚‚呼ã°ã‚Œï¼ŒåŸºæœ¬çš„ãªãƒ‡ãƒ¼ã‚¿è§£æžæ‰‹æ³•ã¨ã—ã¦ãƒ‡ãƒ¼ã‚¿ãƒžã‚¤ãƒ‹ãƒ³ã‚°ã§ã‚‚é »ç¹ã«åˆ©ç”¨ã•ã‚Œã¦ã„ã¾ã™ï¼Ž 分割後ã®å„部分集åˆã¯ã‚¯ãƒ©ã‚¹ã‚¿ã¨å‘¼ã°ã‚Œã¾ã™ï¼Žåˆ†å‰²ã®æ–¹æ³•ã«ã‚‚å¹¾ã¤ã‹ã®ç¨®é¡žãŒã‚り，全ã¦ã®åˆ†é¡žå¯¾è±¡ãŒã¡ã‚‡ã†ã©ä¸€ã¤ã ã‘ã®ã‚¯ãƒ©ã‚¹ã‚¿ã®è¦ç´ ã¨ãªã‚‹å ´åˆ(ãƒãƒ¼ãƒ‰ãªã‚‚ã—ãã¯ï¼Œã‚¯ãƒªã‚¹ãƒ—ãªã‚¯ãƒ©ã‚¹ã‚¿ã¨ã„ã„ã¾ã™)や，逆ã«ä¸€ã¤ã®ã‚¯ãƒ©ã‚¹ã‚¿ãŒè¤‡æ•°ã®ã‚¯ãƒ©ã‚¹ã‚¿ã«åŒæ™‚ã«éƒ¨åˆ†çš„ã«æ‰€å±žã™ã‚‹å ´åˆ(ソフト，ã¾ãŸã¯ï¼Œãƒ•ã‚¡ã‚¸ã‚£ãªã‚¯ãƒ©ã‚¹ã‚¿ã¨ã„ã„ã¾ã™)ãŒã‚ã‚Šã¾ã™ï¼Žã“ã“ã§ã¯å‰è€…ã®ãƒãƒ¼ãƒ‰ãªå ´åˆã®ã‚¯ãƒ©ã‚¹ã‚¿ãƒªãƒ³ã‚°ã«ã¤ã„ã¦è¿°ã¹ã¾ã™ï¼Ž
bit vector + popcntã§ãƒã‚¤ãƒŠãƒªç´ 性ã®k-NN分類器を高速化ã™ã‚‹ - シリコンã®è°·ã®ã‚¾ãƒ³ãƒ“
ã“ã‚“ã°ã‚“㯠@sleepy_yoshi ã§ã™ï¼ŽMachine Learning Advent Calendar 2012 ã®11日目を担当ã—ã¾ã™ï¼Žã‚µãƒ¢ã‚¢æ™‚é–“ã§ã¯ã¾ã 12月11æ—¥ãªã®ã§é–“ã«åˆã„ã¾ã—ãŸã．今日ã¯ãƒã‚¤ãƒŠãƒªç´ 性ベクトルã®å†…ç©è¨ˆç®—ã«SSE4.2ã®popcnt命令を用ã„ã¦é«˜é€ŸåŒ–ã™ã‚‹ã“ã¨ã§k-NN分類器を高速化ã™ã‚‹è©±ã«ã¤ã„ã¦æ›¸ãã¾ã™ï¼Ž ã“ã®ãƒ–ãƒã‚°ã§ã¯æ™®æ®µã§ã‚る調ã§æ›¸ã„ã¦ã„ã¾ã™ãŒï¼Œä»Šæ—¥ã¯ãªã‚“ã¨ãªãã§ã™ã¾ã™èª¿ã§æ›¸ãã¾ã™ï¼Ž k-NN (k Nearest Neighbor) 分類器ã¯ãƒ©ãƒ™ãƒ«ã‚’予測ã—ãŸã„事例ã«å¯¾ã—ã¦ï¼Œè¨“練データã¨ã—ã¦ä¸Žãˆã‚‰ã‚ŒãŸãƒ©ãƒ™ãƒ«ä»˜ã事例集åˆã®ä¸ã‹ã‚‰kè¿‘å‚ã®äº‹ä¾‹ã®ãƒ©ãƒ™ãƒ«ã‚’用ã„ã¦äºˆæ¸¬ã™ã‚‹ï¼Œã¨ã„ã†åˆ†é¡žå™¨ã§ã™ï¼Žkè¿‘å‚を求ã‚ã‚‹ãŸã‚ã«ï¼Œè¨“練データã«å«ã¾ã‚Œã‚‹äº‹ä¾‹å…¨ã¦ã«å¯¾ã™ã‚‹é¡žä¼¼åº¦ã‚’計算ã™ã‚‹å¿…è¦ãŒã‚ã‚Šã¾ã™ï¼Žé¡žä¼¼åº¦ã«ã¯æ§˜ã€…ãªå°ºåº¦ãŒåˆ©ç”¨ã•ã‚Œã¾ã™ãŒï¼Œã“ã“ã§ã¯å†…ç©ã¨ã—ã¾ã™ï¼Žãã®ãŸã‚k個ã®è¿‘å‚を発見ã™
データマイニングã§ä½¿ã‚れるトップ10アルゴリズム- データサイエンティスト上ãŒã‚Šã®DXå‚謀・起æ¥å®¶
2006å¹´ã®ãƒ‡ãƒ¼ã‚¿ãƒžã‚¤ãƒ‹ãƒ³ã‚°å¦ä¼šã€IEEE ICDMã§é¸ã°ã‚ŒãŸã€Œãƒ‡ãƒ¼ã‚¿ãƒžã‚¤ãƒ‹ãƒ³ã‚°ã§ä½¿ã‚れるトップ10アルゴリズムã€ã«æ²¿ã£ã¦æ©Ÿæ¢°å¦ç¿’ã®æ‰‹æ³•ã‚’紹介ã—ã¾ã™ï¼ˆã“ã®è«–æ–‡ã¯@doryokujinå›ã®ãƒã‚¹ãƒˆã§çŸ¥ã‚Šã¾ã—ãŸã€ã‚ã‚ŠãŒã¨ã†ã”ã–ã„ã¾ã™ï¼ï¼‰ã€‚ å¿…ãšã—ã‚‚è«–æ–‡ã®å†…容ã«ã¯æ²¿ã£ã¦ãŠã‚‰ãšå€‹äººçš„ãªç§è¦‹ã‚‚å…¥ã£ã¦ã„ã¾ã™ã®ã§ã€è©³ç´°ã¯åŽŸè«–文をã”確èªä¸‹ã•ã„。ã¾ãŸã€ãƒ‡ãƒ¼ã‚¿ãƒžã‚¤ãƒ‹ãƒ³ã‚°ã®å…¨ä½“観をサーベイã—ãŸã‚¹ãƒ©ã‚¤ãƒ‰è³‡æ–™ãŒã‚ã‚Šã¾ã™ã®ã§ã€ã“ã¡ã‚‰ã‚‚ä½µã›ã¦ã”覧下ã•ã„。 データマイニングã®åŸºç¤Ž View more presentations from Issei Kurahashi 1. C4.5 C4.5ã¯CLSã‚„ID3ã¨ã„ã£ãŸã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ を改良ã—ã¦ã§ããŸã‚‚ã®ã§ã€æ±ºå®šæœ¨ã‚’使ã£ã¦åˆ†é¡žå™¨ã‚’作りã¾ã™ã€‚決定木ã¨ã„ãˆã°CARTãŒè‰¯ã使ã‚ã‚Œã¾ã™ãŒã€CARTã¨ã®é•ã„ã¯ä»¥ä¸‹ã®ã¨ãŠã‚Šã§ã™ã€‚ CARTã¯2分å²ã—ã‹ã§ããªã„ãŒC4.5ã¯3分å²ä»¥ä¸Šã‚‚ã§ãã‚‹ C
「言語処ç†ã®ãŸã‚ã®æ©Ÿæ¢°å¦ç¿’入門ã€ã‚’å‚考ã«å„種モデルã«å¯¾ã™ã‚‹EMアルゴリズムを実装ã—ãŸã‚ˆ - nokunoã®æ—¥è¨˜
Amazonã«ã‚‚レビューを書ã„ãŸã®ã§ã™ãŒã€é«˜æ‘ã•ã‚“ã®ã€Œè¨€èªžå‡¦ç†ã®ãŸã‚ã®æ©Ÿæ¢°å¦ç¿’入門ã€ã‚’èªã¿ã¾ã—ãŸã€‚実ã¯ã“ã®æœ¬ã‚’èªã‚€ã®ã¯2回目ã§ã€1回目ã¯ãƒ‰ãƒ©ãƒ•ãƒˆç‰ˆã®ãƒ¬ãƒ“ューをã•ã›ã¦ã„ãŸã ã機会ãŒã‚ã£ãŸã®ã§ã™ãŒã€ãã®ã¨ãã¯ã€Œè¨€èªžå‡¦ç†ç ”究者ã®ãŸã‚ã®æ©Ÿæ¢°å¦ç¿’入門ã€ã¨ã„ã†ã‚¿ã‚¤ãƒˆãƒ«ã§ã€ã¡ã‚‡ã£ã¨æ•·å±…ãŒé«˜ã„ã®ã§ã¯ãªã„ã‹ã¨ã‚³ãƒ¡ãƒ³ãƒˆã—ãŸã‚‰ã€Œç ”究者ã€ã®éƒ¨åˆ†ãŒå‰Šã‚‰ã‚ŒãŸã¨ã„ã†çµŒç·¯ãŒã‚ã£ãŸã‚Šã—ã¾ã—ãŸã€‚ ãã‚Œã¯ã¨ã‚‚ã‹ãã¨ã—ã¦ã€ä»¥å‰èªã‚“ã ã¨ãã¯æ™‚é–“ã‚‚ãªãã¦å®Ÿè£…ã¾ã§ã™ã‚‹æš‡ã¯ãªã‹ã£ãŸã®ã§ã™ãŒã€ä»Šåº¦ã¯ã‚‚ã†ã¡ã‚‡ã£ã¨ã˜ã£ãã‚Šèªã¿ãŸã„ãªã¨ã„ã†ã“ã¨ã§ã€ã“ã®ãƒ–ãƒã‚°ã«æ›¸ã„ã¦ã¿ã‚ˆã†ã¨æ€ã„ã¾ã™ã€‚EMアルゴリズムã¯æ•™å¸«ãªã—å¦ç¿’を確率モデルã¨æœ€å°¤æŽ¨å®šã§ã‚„ã‚ã†ã¨ã™ã‚‹ã¨ãã«å¿…ãšå‡ºã¦ãる手法ã§ã€éš ã‚Œå¤‰æ•°ã‚„æ¬ æ値をå«ã‚€è‰²ã€…ãªãƒ¢ãƒ‡ãƒ«ã«é©ç”¨ã§ãる汎用的ãªãƒ•ãƒ¬ãƒ¼ãƒ ワークã«ãªã£ã¦ã„ã¾ã™ã€‚一般的ã«ã¯æ··åˆã‚¬ã‚¦ã‚¹åˆ†å¸ƒã®å ´åˆã‚’ã¾ãšèª¬æ˜Žã—ã¦ã€ãã‚ŒãŒk-means法ã®ä¸€èˆ¬åŒ–ã—ãŸå½¢ã«ãªã£ã¦
RACã‚„ASMãªã©ã«è¦‹ã‚‹è«–ç†å±¤ã®ä»®æƒ³åŒ–―Oracle 11g R2ã€ãã®å®ŸåŠ›ã‚’解剖ã™ã‚‹ Part 3 | IT Leaders
DBã‚’é©æ–°ã•ã›ã‚‹ã€ŒRACã€ã€€ä»®æƒ³åŒ–ãªã©ã«ã‚ˆã‚Šã€æ‹¡å¼µæ€§ã‚„å¯ç”¨æ€§ã‚’高ã‚る原ç†ã‚’詳説 Oracle Databaseã¯DBエンジンã¨ã—ã¦ã®æ€§èƒ½å‘上ã¨ä¸¦è¡Œã—ã¦ã€DBシステムã¨ã—ã¦ã®æŠ€è¡“も充実ã•ã›ã¦ããŸã€‚ä¸ã§ã‚‚大ãã進化ã—ãŸã®ãŒã€ŒRACã€ã 。パート3ã§ã¯ãƒ†ã‚¯ãƒŽãƒã‚¸ãƒ¼ã®å´é¢ã‹ã‚‰RACを解剖ã™ã‚‹ã¨å…±ã«ã€ã‚¹ãƒˆãƒ¬ãƒ¼ã‚¸ã‚’仮想化ã™ã‚‹ã€ŒASMã€ãªã©ã‚’用ã„ã¦DBシステムã®æ‹¡å¼µæ€§ã‚„å¯ç”¨æ€§ã‚’高ã‚る仕組ã¿ã‚’分ã‹ã‚Šã‚„ã™ã解説ã™ã‚‹ã€‚ 安価ãªãƒãƒ¼ãƒ‰ã‚¦ã‚§ã‚¢ï¼ˆã‚µãƒ¼ãƒãƒ¼ã€ã‚¹ãƒˆãƒ¬ãƒ¼ã‚¸ï¼‰ã‚’利用å¯èƒ½ã«ã—ãªãŒã‚‰ã€æ€§èƒ½ã‚„å¯ç”¨æ€§ã€é‹ç”¨ã®å®¹æ˜“性ã¨ã„ã£ãŸç›¸åã™ã‚‹è¦ä»¶ã‚’満足ã•ã›ã‚‹ã€‚Part1ã§ç¤ºã—ãŸé€šã‚Šã€ã“ã‚ŒãŒOracle　Database 11g R2ã®æœ€å¤§ã®ç‰¹å¾´ã§ã‚る。ãれを支ãˆã‚‹ã®ãŒã€è¤‡æ•°ã®ã‚µãƒ¼ãƒãƒ¼ã‚„ストレージをã‚ãŸã‹ã‚‚1ã¤ã®ã‚³ãƒ³ãƒ”ュータ資æºã§ã‚ã‚‹ã‹ã®ã‚ˆã†ã«ä½¿ãˆã‚‹ã‚ˆã†ã«ã™ã‚‹ã€ŒOracle Real Application Clusters（RA
サーãƒä»®æƒ³åŒ–環境ã§ã®ãŠè–¦ã‚ã‚¹ãƒˆãƒ¬ãƒ¼ã‚¸æ§‹æˆ at nkjmkzk.net
A Place to discuss Oracle VM, Linux and Other Great Software.サーãƒä»®æƒ³åŒ–環境ã§ã¯ã€Œãƒªã‚½ãƒ¼ã‚¹ãƒ—ールã€ã¨ã„ã†æ¦‚念を実ç¾ã™ã‚‹ãŸã‚ã«å…±æœ‰ã‚¹ãƒˆãƒ¬ãƒ¼ã‚¸æ§‹æˆãŒå¤šã採用ã•ã‚Œã¾ã™ã€‚ã—ã‹ã—ã€ãã‚‚ãã‚‚ç¾åœ¨ã®CPU性能ã¨DISK I/O性能を鑑ã¿ã‚Œã°ã€ãã‚‚ãã‚‚DISK I/O性能ã¯CPU性能ã®é€²åŒ–ã«è¿½ã„ã¤ã„ã¦ãŠã‚‰ãšã€å…±æœ‰ã‚¹ãƒˆãƒ¬ãƒ¼ã‚¸æ§‹æˆã¨ã™ã‚Œã°è¿½ã„打ã¡ã‚’ã‹ã‘るよã†ã«ãã“ãŒãƒœãƒˆãƒ«ãƒãƒƒã‚¯ã¨ãªã‚Šã¾ã™ã€‚多ãã®ç’°å¢ƒã§ã¯ã‚µãƒ¼ãƒä»®æƒ³åŒ–環境ã§ã¯ã€Œå…±æœ‰ã‚¹ãƒˆãƒ¬ãƒ¼ã‚¸åž‹å‰æ。ã—ã‹ã—ã“ã‚Œã¾ã§ã®ä½•å€ã‚‚ã®I/O性能ãŒå¿…è¦ã€ã¨ã„ã†è¦ä»¶ã«å¯¾å¿œã™ã‚‹ãŸã‚ã€ãƒŸãƒ‰ãƒ«ã€œãƒã‚¤ã‚¨ãƒ³ãƒ‰ã®ã‚¹ãƒˆãƒ¬ãƒ¼ã‚¸è£…置を採用ã™ã‚‹ã¨ã„ã†é¸æŠžã‚’è¡Œã£ã¦ã„ã¾ã™ã€‚ãã®çµæžœåˆæœŸå°Žå…¥è²»ç”¨ãŒé«˜ä¾¡ãªã®ã¯ã‚‚ã¡ã‚ã‚“ã§ã™ãŒã€ãã®ã‚ã¨ã‚‚莫大ãªä¿å®ˆè²»ã‚’支払ã†ã“ã¨ã«ãªã‚Šã¾ã™ã€‚ãã—ã¦æ‹¡å¼µã§ãã‚‹ã‚‚ã®ã®ã€æ‹¡å¼µã™ã‚‹ãŸã‚ã®ãƒ‘ーツãŒã¾ãŸé«˜ä¾¡ã€ã¨ã„ã†ã‚¹ãƒ‘イラルã«é™¥
大è¦æ¨¡ãƒ‡ãƒ¼ã‚¿ã‚’基ã«ã—ãŸè‡ªç„¶è¨€èªžå‡¦ç† - DO++
人工知能基本å•é¡Œç ”究会 (SIG-FPAI)ã§ã‚¿ã‚¤ãƒˆãƒ«ã®é¡Œç›®ã§ä¸€æ™‚é–“ã»ã©è©±ã—ã¦ãã¾ã—ãŸã€‚ 発表資料 [pptx] [pdf] 話ã—ãŸå†…容㯠- 自然言語処ç†ã«ãŠã‘る特徴ベクトルã®ä½œã‚Šæ–¹ã¨ã€æ€§è³ª - オンラインå¦ç¿’, Perceptron, Passive Agressive (PA), Confidence Weighted Learning (CW) 確率的勾é…é™ä¸‹æ³• (SGD) - L1æ£å‰‡åŒ–, FOLOS - 索引を用ã„ãŸåŠ¹çŽ‡åŒ–, å…¨ã¦ã®éƒ¨åˆ†æ–‡å—列を利用ã—ãŸæ–‡æ›¸åˆ†é¡ž ã§ã€ã‚¹ãƒ©ã‚¤ãƒ‰ã§70æžšãらã„。今ã¾ã§ã®ç™ºè¡¨ã¨ã‹ã¶ã£ã¦ã„ãªã„ã®ã¯PA CW SGD FOLOSã‚ãŸã‚Šã§ã—ょã†ã‹ オンラインå¦ç¿’ã€L1æ£å‰‡åŒ–ã®è©±ãŒãƒ¡ã‚¤ãƒ³ã«ãªã£ã¦ã„ã¦ã€ãã®ä¸¡æ–¹ã®æœ€çµ‚形㮠確率的勾é…é™ä¸‹æ³• + FOLOSã®çµ„ã¿åˆã‚ã›ã¯ä»»æ„ã®æ失関数ã«å¯¾ã—ã¦L1/L2æ£å‰‡åŒ–ã‚’ã‹ã‘ãªãŒã‚‰ã‚ªãƒ³ãƒ©ã‚¤ãƒ³å¦ç¿’ã‚’ã¨ã¦ã‚‚ç°¡å˜ã«ã§ãã‚‹ã¨ã„ã†ä¸€æ˜”å‰
Complement Naive Bayesã®æ¤œè¨¼ï½œç¤¾å†…NEET宣言
社内NEET宣言文å¦éƒ¨å‡ºèº«ãªã®ã«ITä¼æ¥ã§ç ”究開発をã™ã‚‹ã“ã¨ã«ãªã£ãŸç¤¾å“¡ã®ãƒ–ãƒã‚°ã§ã™ã€‚
大è¦æ¨¡ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã®ã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£éšŽå±¤æ§‹é€ を高速ã«æŠ½å‡ºã™ã‚‹ - cameraLady
論文をèªã‚“ã ã®ã§å†…容ã®ãƒ¡ãƒ¢ï¼Žè¨³ã™ã¨ã„ã†ã‚ˆã‚Šã¯ãƒœã‚¯ã®è§£é‡ˆã®ãƒ¡ãƒ¢ã§ã™ï¼Žå…ˆæ—¥ã®ã‚¨ãƒ³ãƒˆãƒª æ°—ãŒå‘ã„ãŸã®ã§ç ”究ã«ã¤ã„ã¦æ›¸ã ã¯å‰ç½®ãã§ã—ãŸï¼Ž Fast unfolding of community hierarchies in large networks アブストラクト ソーシャル系ã®ã‚µãƒ¼ãƒ“スã¯ç§©åºã¨ä¹±é›‘ã•ã‚’ä½µã›æŒã¤è¤‡é›‘ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã¨ã—ã¦æ‰ãˆã‚‰ã‚Œã‚‹ï¼ŽSNS ã‚„æºå¸¯é›»è©±ã®ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ï¼ŒWeb ã®ã‚ˆã†ã«å¤§è¦æ¨¡ãªã‚‚ã®ã«ãŠã„ã¦ã¯ï¼Œãã®å…¨ä½“æ§‹é€ ã‚’æŠŠæ¡ã™ã‚‹ãŸã‚ã®è§£æžæ‰‹æ³•ãŒæ±‚ã‚られã¦ã„る． ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã‚’密ã«çµåˆã—ãŸãƒŽãƒ¼ãƒ‰é›†åˆã§ã‚るコミュニティ(ã“ã“ã§ã¯ã‚¯ãƒ©ã‚¹ã‚¿ã¨åŒæ„)ã«åˆ†è§£ã™ã‚‹ã‚¢ãƒ—ãƒãƒ¼ãƒã¯æœ‰åŠ¹ã ．SNS ãªã©ã‹ã‚‰ã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£ã‚’抽出ã™ã‚‹ã“ã¨ã§ï¼Œãƒˆãƒ”ックã«ã¤ã„ã¦çŸ¥ã‚‹ã“ã¨ãŒã§ãる．ã•ã‚‰ã«ï¼Œå¾—られãŸã‚³ãƒŸãƒ¥ãƒ‹ãƒ†ã‚£ã‚’ノードã—ã¦ãƒ¡ã‚¿ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã‚’生æˆã™ã‚Œã°ï¼Œãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã®æ§‹é€ を視覚的ã«æŠŠæ¡ã§ãるよã†ã«ãªã‚‹ã ã‚ã†ï¼Ž ã“ã®è«–æ–‡
連載記事 「Heartbeatã§ã‹ã‚“ãŸã‚“クラスタリングã€
Heartbeatã®ç‰¹å¾´ã¨ãƒ¦ãƒ‹ãƒ¼ã‚¯ãªæ©Ÿèƒ½ 連載：Heartbeatã§ã‹ã‚“ãŸã‚“クラスタリング（1）　オープンソースソフトウェアã®ã€ŒHeartbeatã€ã‚’ã”å˜ã˜ã§ã—ょã†ã‹ï¼Ÿã€€ã“れを使ã„ã€Linux上ã§HAクラスタを構æˆã™ã‚‹æ–¹æ³•ã‚’紹介ã—ã¾ã™
livedoor Techブãƒã‚° : 好ããªã‚¬ãƒ³ãƒ€ãƒ ã®ã‚»ãƒªãƒ•ï¼Œä½•ã§ã™ã‹ ?
ã“ã‚“ã«ã¡ã¯ã€‚検索グループ解æžãƒãƒ¼ãƒ ã® nabokov7 ã§ã™ã€‚ 今回ã¯ã€ãƒ©ã‚¤ãƒ–ドアLislogã¨ã„ã†ã‚µãƒ¼ãƒ“スã®ãƒ‡ãƒ¼ã‚¿ã‚’ã¡ã‚‡ã£ã¨æ‹å€Ÿã—ã¦ã€ã€Œã‚¯ãƒ©ã‚¹ã‚¿ãƒªãƒ³ã‚°ã€ã¨ã„ã†è§£æžæ‰‹æ³•ã‚’紹介ã—ãŸã„ã¨æ€ã„ã¾ã™ã€‚ ã¡ãªã¿ã«ã“ã® Lislog ã¨ã„ã†ã‚µãƒ¼ãƒ“スã¯ï¼Œã±ã£ã¨è¦‹ãŸã ã®æŠ•ç¥¨ã‚µãƒ¼ãƒ“スã®ã‚ˆã†ã§ã™ãŒ (実際ãã†ã„ã†ä½¿ã„方もã§ãã‚‹ã‚“ã§ã™ãŒ)，ユーザ一人一人ãŒã©ã‚Œã‹ã²ã¨ã¤ã®ã‚¢ã‚¤ãƒ†ãƒ ã«æŠ•ç¥¨ã™ã‚‹ã®ã§ã¯ãªã，å„ユーザãŒè‡ªåˆ†ãªã‚Šã®ã€Œä¿ºçš„○○ベスト10ã€ã‚„「俺的○○ã®10ã®ãƒªã‚¹ãƒˆã€ãªã©ã‚’公開・共有ã—，ãã®çµæžœã€Œå…¨ä½“ã®äººæ°—ランã‚ングã€ãŒé›†è¨ˆã•ã‚Œã‚‹ï¼Œã¨ã„ã†ç‚¹ã§é€šå¸¸ã®æŠ•ç¥¨ã‚µã‚¤ãƒˆã¨ã¯å°‘ã—é•ã£ã¦ã„ã¾ã™ã€‚ (従ã£ã¦ï¼Œãƒªã‚¹ãƒã‚°ã®ã€Œå…¨ä½“ã®ãƒ©ãƒ³ã‚ングã€ã¨ã¯ãŸã ã®æŠ•ç¥¨æ•°ãƒ©ãƒ³ã‚ングã§ã¯ãªã，「より多ãã®ãƒ¦ãƒ¼ã‚¶ã®ãƒªã‚¹ãƒˆã§é«˜ã„ランクã«ãªã£ãŸã‚¢ã‚¤ãƒ†ãƒ ã»ã©ï¼Œå…¨ä½“ã®ãƒ©ãƒ³ã‚ングã§ã‚‚上ä½ã«ãªã‚‹ã€ã¨ã„ã†ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã«ãªã£ã¦ã„ã¾ã™ã€‚) ã“ã“ã¸ã‚¯ãƒ©ã‚¹ã‚¿ãƒªãƒ³ã‚°ã‚’å°Žå…¥ã™
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
Random Forestを用ã„ãŸéŸ³æ¥½ã‚¸ãƒ£ãƒ³ãƒ«åˆ†é¡ž - è«–æ–‡relation
http://eigenjoy.com/2011/05/09/cascading-simhash-a-library-to-cluster-by-minhashes-in-hadoop/
{{#tags}}- {{label}}
{{/tags}}