FacialEmotions and more
-
masashinakata
- 4886
- 0
- 0
- 0
-
- いいね！0
コルン
@colun
ちなみに、僕は昔やねさんの所でアルバイトしたことがあります。。。設計まともに学べたのって、たぶんやねさん所でが最初かも。 あと、未だに、やねさんのゲーム攻略記事は、マラソンマッチとかの参考に多少してます。 そして、ゲーム攻略記事を読む限りにおいて、MM適正は確実にある方だと思う。
2015-01-21 19:10:23
agw
@masashinakata
貯めていた自分のブクマで、@yowaさんがブクマしているやつはいい記事だろう、ということで見始める -> それなら、@yowaさんのブックマーク一覧を見ればいいんじゃないか? と気付く -> 酔っぱらっているので色々クリック -> プロファイルにアクセス -> はっ(今ここ)
2015-01-23 16:13:23
agw
@masashinakata
「割り当てる数値は問題の解き方やモデルにあわせて都合がよいものを使います。ここではこの後紹介するモデルにとって±1が都合がよいのでそれを選んでいますが，モデルによっては1と0などを割り当てることもあります。」
2015-01-23 16:27:58
agw
@masashinakata
「関数を作るということなら，これを回帰問題として解くこともできそうな気がしますが，残念ながらそう単純にはいきません。というのも，回帰によって得られる関数は当然ながら±1以外の値も取り得るからです。」
2015-01-23 16:28:08
agw
@masashinakata
「それだけのことなら「近い方の値に寄せる」というシンプルな解決方法はあります。しかし，正解ラベルが＋1のデータ点では関数が値－0.5をとるより値＋10をとる方が分類関数としては望ましいわけですが，回帰の二乗誤差では－0.5の方が誤差が少ないということになってしまいます。」
2015-01-23 16:28:22
agw
@masashinakata
「これではモデルが期待通りに学習されるとは到底思えません。つまり，分類問題のためのモデルがやはり別に必要ということがわかります。」 < 第15回 分類問題ことはじめ：機械学習 はじめよう｜gihyo.jp … 技術評論社: gihyo.jp/dev/serial/01/…
2015-01-23 16:29:06
agw
@masashinakata
そういえば、TopCoderの機械学習マッチと過学習について資料を作ったんだった。あんまりまとまっていないのだけれども、ツィートしておきます
2015-01-23 16:37:46
agw
@masashinakata
ProvisionalとFinalの差から過学習が分かるのかな? と思って図示してみたのだけれども、よく分からなかった。まず、ChildStuntednessの結果から pic.twitter.com/BlyXf2sQAl
2015-01-23 16:41:37
拡大
agw
@masashinakata
この頃は恐らく過学習とMLE(?)が頻発していたんじゃないかなー、と思った。その中でも1、2、3位のJacoCronjeさん、@yowaさん、alegroさんは過学習を加味してちゃんとやったからこの結果になったんじゃないかなー、と思った
2015-01-23 16:44:39
agw
@masashinakata
これが前回のActiveMolecuresになるとこうなる。(恐らく)過学習は影を薄め、Psyhoさん、nhzp0339さん、wleiteさんが安定してきている pic.twitter.com/tcYNQouVrN
2015-01-23 16:49:07
拡大
agw
@masashinakata
(ChildStuntednessは続編が2、3、4と開催された。これもツィートしておきます...) pic.twitter.com/AW4fWQ1Sp4
2015-01-23 16:57:56
拡大
拡大
拡大
agw
@masashinakata
こう見て行くとPsyhoさん、nhzp339さん、ptrさん、wleiteさん、noftoさん、JacoCronjeさん、tamass.kenezさん達がとても強い。そして、さらに機械学習に強い人が参加して来ており、また過学習も減り、グループが形成され始めているように見える…
2015-01-23 17:03:17