線形回帰および識別

線形回帰および識別

3. 線形回帰および識別 線形回帰のモデル 正則化項の導入 L2正則化 L1正則化 正則化項のBayes的解釈 線...概要を表示 3. 線形回帰および識別 線形回帰のモデル 正則化項の導入 L2正則化 L1正則化 正則化項のBayes的解釈 線形識別 生成モデルを利用した識別 2乗誤差最小化の線形識別の問題点 クラシックな機械学習の入門 by 中川裕志（東京大学） 線形モデル データ の分布状況 から線形回帰式を求 める w0 x y y=w1x+w0 線形モデル T 101 0 ],,,,[,],,,1[, K T Ki K i i wwwxxxwy    wxwx ただし、 入力ベクトル：x から出力：y を得る関数がxの線形関数 （wとxの内積） 一般に観測データはノイズを含んでいる。つまり 得られたN個の観測データ の組（y,X）に対して最適なwを推 定する。 そこで、yと の2乗誤差を最小化するようにwを選ぶ。 と考える。はノイズで ),0(, 2  Ny  wx wX

• machinelearning
• *あとで読む