SlideShare a Scribd company logo
1 of 72
Download to read offline
第1回
「はじめてのパターン認識」読書会
2013/6/18 (火)
Prunus1350
1.1 パターン認識とは
「パターン認識」とは,
1.1 パターン認識とは
「パターン認識」とは,
「物事の類型を知るはたらき,およびその内容」
1.1 パターン認識とは
「パターン認識」とは,
「物事の類型を知るはたらき,およびその内容」
ちょっとわかりづらい?
1.1 パターン認識とは
「パターン認識」とは,
1.1 パターン認識とは
「パターン認識」とは,
「対象の特徴量から対象が属するカテゴリを推
測する方法」を指す.
『Rで学ぶデータサイエンス5 パターン認識』より
1.1 パターン認識とは
識別対象
具体例
1.1 パターン認識とは
識別対象
硬貨
具体例
1.1 パターン認識とは
識別対象
特徴抽出
硬貨
具体例
1.1 パターン認識とは
識別対象
特徴抽出
サイズ
重さ
透磁率
穴の有無
…
硬貨
具体例
1.1 パターン認識とは
識別対象
特徴抽出
サイズ
重さ
透磁率
穴の有無
…
硬貨
識別の手がかりとなる
「特徴量」
具体例
1.1 パターン認識とは
識別対象 特徴ベクトル
特徴抽出
サイズ
重さ
透磁率
穴の有無
…
硬貨
具体例
1.1 パターン認識とは
識別対象 特徴ベクトル
特徴抽出 識別規則
サイズ
重さ
透磁率
穴の有無
…
硬貨
具体例
1.1 パターン認識とは
識別対象 特徴ベクトル 識別クラス
特徴抽出 識別規則
サイズ
重さ
透磁率
穴の有無
…
10円
50円
100円
500円
識別不能
硬貨
具体例
1.1 パターン認識とは
識別対象 特徴ベクトル 識別クラス
特徴抽出 識別規則
硬貨
識別対象は多岐に渡る
電話音声
顔画像
テキスト
データ
…
1.1 パターン認識とは
識別対象 特徴ベクトル 識別クラス
特徴抽出 識別規則
硬貨
特徴ベクトルの形になってしまえば, 同じ識別規則が使え
る
電話音声
顔画像
テキスト
データ
…
特徴量1
特徴量2
特徴量3
特徴量4
…
クラス1
クラス2
クラス3
…
識別不能
1.2 特徴の型
観測された特徴
1.2 特徴の型
観測された特徴
• 定性的特徴(非数値データ)
• 定量的特徴(数値データ)
1.2 特徴の型
観測された特徴
• 定性的特徴(非数値データ)
• 名義尺度 (分類のための単なる名前) 
• 順序尺度 (順序関係を表す)
• 定量的特徴(数値データ)
1.2 特徴の型
観測された特徴
• 定性的特徴(非数値データ)
• 名義尺度 (分類のための単なる名前) 
• 順序尺度 (順序関係を表す)
• 定量的特徴(数値データ)
• 比例尺度 (原点が定まっており, 比率が意味を持つ)
• 間隔尺度 (一定の単位で量られた量, 量間の比が意味を持た
ない)
例題 1.1
次の特徴の型は何か.
(1)試験の点数
(2)成績表のA, B, C, D
(3)偏差値
(4)単語の出現頻度
例題 1.1
次の特徴の型は何か.
(1)試験の点数 → 間隔尺度
(2)成績表のA, B, C, D
(3)偏差値
(4)単語の出現頻度
例題 1.1
次の特徴の型は何か.
(1)試験の点数 → 間隔尺度
(2)成績表のA, B, C, D → 順序尺度
(3)偏差値
(4)単語の出現頻度
例題 1.1
次の特徴の型は何か.
(1)試験の点数 → 間隔尺度
(2)成績表のA, B, C, D → 順序尺度
(3)偏差値 → 間隔尺度
(4)単語の出現頻度
例題 1.1
次の特徴の型は何か.
(1)試験の点数 → 間隔尺度
(2)成績表のA, B, C, D → 順序尺度
(3)偏差値 → 間隔尺度
(4)単語の出現頻度 → 比例尺度
1.2 特徴の型
定性的な特徴を計算機上で扱うために符号化を
行う.
1.2 特徴の型
定性的な特徴を計算機上で扱うために符号化を
行う.
例1) 2クラス
男性:0, 女性:1
1.2 特徴の型
定性的な特徴を計算機上で扱うために符号化を
行う.
例1) 2クラス
男性:0, 女性:1
例2) 多クラス
(5つのクラスラベルでクラス2を表現)
t = (0, 1, 0, 0, 0)T
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
x1
x2
65
70
(例) 特徴数2の特徴ベクトル
x = (65, 70)T
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
(例) 手書き文字認識 (kaggle)
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
(例) 手書き文字認識 (kaggle)
• 28 28=784個の画素値
• 各画素が256階調のグレースケール
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
(例) 手書き文字認識 (kaggle)
• 28 28=784個の画素値
• 各画素が256階調のグレースケール
→ 784次元のベクトル空間の各軸が256個の区
画を持っている.
1.3 特徴ベクトル空間と次元の呪い
• 特徴数がd個あれば, 特徴ベクトルはd次元線形
空間を張る.
(例) 手書き文字認識 (kaggle)
• 28 28=784個の画素値
• 各画素が256階調のグレースケール
→ 784次元のベクトル空間の各軸が256個の区
画を持っている.
区画の数は全体で 256784
1.3 特徴ベクトル空間と次元の呪い
適応制御において未知の複雑な関数を学習する
ために必要なデータが, 次元の増加と共に指数
関数的に増加することを
「次元の呪い」
という.
例題 1.2
d次元超立方体の面(ファセットという)の数
は2d個であることを示せ.
例題 1.2
d次元超立方体の面(ファセットという)の数
は2d個であることを示せ.
A. d次元超立方体は, 各軸の直交する二つのd-1次
元超平面で構成されるので, 面は全部で2d個あ
る.
章末問題 1.1
あなたの利き手でない方の人差し指と中指の指
紋を区別したい, どのような特徴をとればよい
か観察せよ.
章末問題 1.2
辺の長さが  の  次元超立方体について, 以下
の問いに答えよ.
da
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
d 2d
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 0次元の場合
d
頂点の数:
2d
20
= 1
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 0次元 → 1次元
新しい軸  を
考える
O
x1
d 2d
x1
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 0次元 → 1次元
  の正負の方向   の
位置に頂点を移す
O1
2
a
1
2
a
x1
d 2d
x1 ±
1
2
a
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 1次元の場合
O1
2
a
1
2
a
x1
d 2d
頂点の数: 21
= 2
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 1次元 → 2次元
軸  に直交する軸  を
考える
O1
2
a
1
2
a
x1
x2
d 2d
x1 x2
章末問題 1.2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 1次元 → 2次元
O1
2
a
1
2
a
1
2
a
1
2
a
x1
x2
d 2d
  の正負の方向   の
位置に頂点を移す
±
1
2
ax2
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 2次元の場合
章末問題 1.2
O1
2
a
1
2
a
1
2
a
1
2
a
x1
x2
d 2d
頂点の数: 22
= 4
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 2次元 → 3次元
章末問題 1.2
3次元空間を考える
x1
x2
d 2d
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 2次元 → 3次元
章末問題 1.2
x1
x2
d 2d
x3
軸    に直交する
軸  を考える
x1, x2
x3
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 2次元 → 3次元
章末問題 1.2
x1
x2
x3
d 2d
  の正負の方向   の
位置に頂点を移す
±
1
2
ax3
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 3次元の場合
章末問題 1.2
x1
x2
x3
d 2d
頂点の数: 23
= 8
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 3次元 → 4次元
章末問題 1.2
軸     に直交する
軸  を考える
x1
x2
x3
d 2d
?
x1, x2, x3
x4
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 3次元 → 4次元
章末問題 1.2
x1
x2
x3
d 2d
?
  の正負の方向   の
位置に頂点を移す
±
1
2
ax4
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 4次元の場合
章末問題 1.2
x1
x2
x3
d 2d
?
頂点の数: 24
= 16
(1) 次元超立方体の頂点の数は  個であること
を示せ.
• 同様にして, 次元が増えるごとに超立方体の頂
点の数は2倍になるので  次元超立方体の頂
点の数は  個である.
章末問題 1.2
d 2d
d
2d
(2) 次元超立方体の表面積を求めよ.
章末問題 1.2
d
(2) 次元超立方体の表面積を求めよ.
• 1辺の長さが  の   次元超平面の表面積
は   と表される.
章末問題 1.2
d
a d 1
ad 1
(2) 次元超立方体の表面積を求めよ.
• 1辺の長さが  の   次元超平面の表面積
は   と表される.
例題1.2より, これが  個あるので,
章末問題 1.2
d
a d 1
ad 1
2d
ad 1
⇤ 2d = 2dad 1
(3)超立方体を構成する  次元超平面の個数が
で表されることを, 3次元立方体で確かめよ.
章末問題 1.2
m
(0  m  d 1)
2d m
✓
d
m
◆
(3)超立方体を構成する超平面の個数
• 0次元(頂点)
章末問題 1.2
23 0
✓
3
0
◆
= 23
⇤ 1
= 8
x1
x2
x3
(3)超立方体を構成する超平面の個数
• 1次元(辺)
章末問題 1.2
23 1
✓
3
1
◆
= 22
⇤ 3
= 12
x1
x2
x3
(3)超立方体を構成する超平面の個数
• 2次元(面)
章末問題 1.2
23 2
✓
3
2
◆
= 21
⇤ 3
= 6
x1
x2
x3
(4)超立方体を構成する  次元超平面の総数を求
めよ.
章末問題 1.2
m
(4)超立方体を構成する  次元超平面の総数を求
めよ.
•   次元超平面の個数は
と表されるので,
章末問題 1.2
m
2d m
✓
d
m
◆
m
(4)超立方体を構成する  次元超平面の総数を求
めよ.
•   次元超平面の個数は
と表されるので, それを0次元から   次元ま
で合計すればよい.
章末問題 1.2
m
2d m
✓
d
m
◆
m
d 1
(4)超立方体を構成する  次元超平面の総数を求
めよ.
•   次元超平面の個数は
と表されるので, それを0次元から   次元ま
で合計すればよい.
よって
章末問題 1.2
m
2d m
✓
d
m
◆
m
d 1
d 1X
m=0
2d m
✓
d
m
◆
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
= 25 0
✓
5
0
◆
+ 25 1
✓
5
1
◆
+ 25 2
✓
5
2
◆
+ 25 3
✓
5
3
◆
+ 25 4
✓
5
4
◆
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
= 25 0
✓
5
0
◆
+ 25 1
✓
5
1
◆
+ 25 2
✓
5
2
◆
+ 25 3
✓
5
3
◆
+ 25 4
✓
5
4
◆
= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
= 25 0
✓
5
0
◆
+ 25 1
✓
5
1
◆
+ 25 2
✓
5
2
◆
+ 25 3
✓
5
3
◆
+ 25 4
✓
5
4
◆
= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5
= 32 + 80 + 80 + 40 + 10
(5)その式から, 5次元超立方体を構成する超平面の
総数を求めよ.
章末問題 1.2
5 1X
m=0
25 m
✓
5
m
◆
=
4X
m=0
25 m
✓
5
m
◆
= 25 0
✓
5
0
◆
+ 25 1
✓
5
1
◆
+ 25 2
✓
5
2
◆
+ 25 3
✓
5
3
◆
+ 25 4
✓
5
4
◆
= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5
= 32 + 80 + 80 + 40 + 10
= 242
ご清聴ありがとうございました。

More Related Content

What's hot

最適化超入門
最適化超入門最適化超入門
最適化超入門Takami Sato
 
[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object DetectionDeep Learning JP
 
20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則koba cky
 
はじパタ2章
はじパタ2章はじパタ2章
はじパタ2章tetsuro ito
 
今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシンShinya Shimizu
 
KDD Cup 2021 時系列異常検知コンペ 参加報告
KDD Cup 2021 時系列異常検知コンペ 参加報告KDD Cup 2021 時系列異常検知コンペ 参加報告
KDD Cup 2021 時系列異常検知コンペ 参加報告GentaYoshimura
 
2値分類・多クラス分類
2値分類・多クラス分類2値分類・多クラス分類
2値分類・多クラス分類t dev
 
時系列分析による異常検知入門
時系列分析による異常検知入門時系列分析による異常検知入門
時系列分析による異常検知入門Yohei Sato
 
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習Deep Learning JP
 
勾配降下法の 最適化アルゴリズム
勾配降下法の最適化アルゴリズム勾配降下法の最適化アルゴリズム
勾配降下法の 最適化アルゴリズムnishio
 
変分ベイズ法の説明
変分ベイズ法の説明変分ベイズ法の説明
変分ベイズ法の説明Haruka Ozaki
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心takehikoihayashi
 
続・わかりやすいパターン認識_3章
続・わかりやすいパターン認識_3章続・わかりやすいパターン認識_3章
続・わかりやすいパターン認識_3章weda654
 
機械学習におけるオンライン確率的最適化の理論
機械学習におけるオンライン確率的最適化の理論機械学習におけるオンライン確率的最適化の理論
機械学習におけるオンライン確率的最適化の理論Taiji Suzuki
 
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38horihorio
 
はじパタ6章前半
はじパタ6章前半はじパタ6章前半
はじパタ6章前半T T
 
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレストTeppei Baba
 
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )Kenji Urai
 

What's hot (20)

最適化超入門
最適化超入門最適化超入門
最適化超入門
 
[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection
 
20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則
 
はじパタ2章
はじパタ2章はじパタ2章
はじパタ2章
 
階層ベイズとWAIC
階層ベイズとWAIC階層ベイズとWAIC
階層ベイズとWAIC
 
今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン
 
KDD Cup 2021 時系列異常検知コンペ 参加報告
KDD Cup 2021 時系列異常検知コンペ 参加報告KDD Cup 2021 時系列異常検知コンペ 参加報告
KDD Cup 2021 時系列異常検知コンペ 参加報告
 
2値分類・多クラス分類
2値分類・多クラス分類2値分類・多クラス分類
2値分類・多クラス分類
 
時系列分析による異常検知入門
時系列分析による異常検知入門時系列分析による異常検知入門
時系列分析による異常検知入門
 
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
 
因果推論の基礎
因果推論の基礎因果推論の基礎
因果推論の基礎
 
勾配降下法の 最適化アルゴリズム
勾配降下法の最適化アルゴリズム勾配降下法の最適化アルゴリズム
勾配降下法の 最適化アルゴリズム
 
変分ベイズ法の説明
変分ベイズ法の説明変分ベイズ法の説明
変分ベイズ法の説明
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
 
続・わかりやすいパターン認識_3章
続・わかりやすいパターン認識_3章続・わかりやすいパターン認識_3章
続・わかりやすいパターン認識_3章
 
機械学習におけるオンライン確率的最適化の理論
機械学習におけるオンライン確率的最適化の理論機械学習におけるオンライン確率的最適化の理論
機械学習におけるオンライン確率的最適化の理論
 
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
 
はじパタ6章前半
はじパタ6章前半はじパタ6章前半
はじパタ6章前半
 
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
 
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
 

Similar to はじめてのパターン認識 第1章

PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半Ohsawa Goodfellow
 
Characeter-Level CNN
Characeter-Level CNNCharaceter-Level CNN
Characeter-Level CNNtdualdir
 
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみたTakahiro Yoshizawa
 
Boolean retrieval
Boolean retrievalBoolean retrieval
Boolean retrievalsaireya _
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムTakuya Akiba
 

Similar to はじめてのパターン認識 第1章 (8)

Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
 
統計学
統計学統計学
統計学
 
直交領域探索
直交領域探索直交領域探索
直交領域探索
 
PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半
 
Characeter-Level CNN
Characeter-Level CNNCharaceter-Level CNN
Characeter-Level CNN
 
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた
 
Boolean retrieval
Boolean retrievalBoolean retrieval
Boolean retrieval
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズム
 

More from Prunus 1350

SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話Prunus 1350
 
統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半Prunus 1350
 
Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章Prunus 1350
 
はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2Prunus 1350
 
TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法Prunus 1350
 
はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6Prunus 1350
 
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半Prunus 1350
 
パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係Prunus 1350
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成Prunus 1350
 
集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7Prunus 1350
 
スティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こうスティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こうPrunus 1350
 
第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)Prunus 1350
 

More from Prunus 1350 (12)

SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話SAS University EditionでもJupyter Notebookが使えるようになった話
SAS University EditionでもJupyter Notebookが使えるようになった話
 
統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半統計的学習の基礎 第2章後半
統計的学習の基礎 第2章後半
 
Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章Rで学ぶデータマイニングI 第8章〜第13章
Rで学ぶデータマイニングI 第8章〜第13章
 
はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2はじめてのパターン認識 第11章 11.1-11.2
はじめてのパターン認識 第11章 11.1-11.2
 
TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法TokyoR 第36回LT Rで部分空間法
TokyoR 第36回LT Rで部分空間法
 
はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6はじめてのパターン認識 第9章 9.5-9.6
はじめてのパターン認識 第9章 9.5-9.6
 
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半
 
パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係パターン認識と機械学習 §8.3.4 有向グラフとの関係
パターン認識と機械学習 §8.3.4 有向グラフとの関係
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
 
集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7集合知プログラミング 第4章 4.7
集合知プログラミング 第4章 4.7
 
スティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こうスティーヴ・ライヒを聴こう
スティーヴ・ライヒを聴こう
 
第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)
 

Recently uploaded

Registration of travel agents - 'Explanation of the registration system under...
Registration of travel agents - 'Explanation of the registration system under...Registration of travel agents - 'Explanation of the registration system under...
Registration of travel agents - 'Explanation of the registration system under...oganekyokoi
 
Divorce agreements in administrative work.pdf
Divorce agreements in administrative work.pdfDivorce agreements in administrative work.pdf
Divorce agreements in administrative work.pdfoganekyokoi
 
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要  パワーポイント
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要  パワーポイント3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要  パワーポイント
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要  パワーポイントshu1108hina1020
 
International Politics I - Lecture 1
International Politics I - Lecture 1International Politics I - Lecture 1
International Politics I - Lecture 1Toru Oga
 
Establishment and operation of medical corporations.pdf
Establishment and operation of medical corporations.pdfEstablishment and operation of medical corporations.pdf
Establishment and operation of medical corporations.pdfoganekyokoi
 
What I did before opening my business..pdf
What I did before opening my business..pdfWhat I did before opening my business..pdf
What I did before opening my business..pdfoganekyokoi
 
KARAPATANG PANTAO.pptxhrhrhrhrhrhrhrhrhr
KARAPATANG PANTAO.pptxhrhrhrhrhrhrhrhrhrKARAPATANG PANTAO.pptxhrhrhrhrhrhrhrhrhr
KARAPATANG PANTAO.pptxhrhrhrhrhrhrhrhrhrRodolfFernandez1
 
レポートの書き方講座 [大学生初年次向けに対する講義資料] Lecture on how to write a report [lecture mater...
レポートの書き方講座 [大学生初年次向けに対する講義資料] Lecture on how to write a report [lecture mater...レポートの書き方講座 [大学生初年次向けに対する講義資料] Lecture on how to write a report [lecture mater...
レポートの書き方講座 [大学生初年次向けに対する講義資料] Lecture on how to write a report [lecture mater...yutakashikano1984
 

Recently uploaded (8)

Registration of travel agents - 'Explanation of the registration system under...
Registration of travel agents - 'Explanation of the registration system under...Registration of travel agents - 'Explanation of the registration system under...
Registration of travel agents - 'Explanation of the registration system under...
 
Divorce agreements in administrative work.pdf
Divorce agreements in administrative work.pdfDivorce agreements in administrative work.pdf
Divorce agreements in administrative work.pdf
 
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要  パワーポイント
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要  パワーポイント3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要  パワーポイント
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要  パワーポイント
 
International Politics I - Lecture 1
International Politics I - Lecture 1International Politics I - Lecture 1
International Politics I - Lecture 1
 
Establishment and operation of medical corporations.pdf
Establishment and operation of medical corporations.pdfEstablishment and operation of medical corporations.pdf
Establishment and operation of medical corporations.pdf
 
What I did before opening my business..pdf
What I did before opening my business..pdfWhat I did before opening my business..pdf
What I did before opening my business..pdf
 
KARAPATANG PANTAO.pptxhrhrhrhrhrhrhrhrhr
KARAPATANG PANTAO.pptxhrhrhrhrhrhrhrhrhrKARAPATANG PANTAO.pptxhrhrhrhrhrhrhrhrhr
KARAPATANG PANTAO.pptxhrhrhrhrhrhrhrhrhr
 
レポートの書き方講座 [大学生初年次向けに対する講義資料] Lecture on how to write a report [lecture mater...
レポートの書き方講座 [大学生初年次向けに対する講義資料] Lecture on how to write a report [lecture mater...レポートの書き方講座 [大学生初年次向けに対する講義資料] Lecture on how to write a report [lecture mater...
レポートの書き方講座 [大学生初年次向けに対する講義資料] Lecture on how to write a report [lecture mater...
 

はじめてのパターン認識 第1章