機械学習の手法のスクラッチ実装
- Backtracking Line Search (バックトラック直線探索)
に対するバックトラック直線探索を用いた勾配法
- Dual Ascent Method (双対上昇法)
subject to
に対する双対上昇法
- Augmented Lagrangian Algorithm (拡張ラグランジュ乗数法)
- Projected Gradient Method (射影勾配法)
- K-Means Clustering (k 平均クラスタリング)
irisのデータセットに対する k 平均クラスタリング
- Linear Discriminant Analysis (線形判別分析)
- 線形判別分析を用いた手書き数字のパターン認識
digit.matを使用
- Projection Pursuit (射影追跡)
- 近似ニュートンアルゴリズムを用いた射影追跡
- Expectation-Maximization Algorithm (EM アルゴリズム)
- ガウス混合モデルに対する EM アルゴリズム
- Kernel Density Estimation (カーネル密度推定法)
- ガウスカーネルに対するカーネル密度推定法
- K-Nearest Neighbor Classification (k 近傍識別)
- k 近傍識別器を用いた手書き数字のパターン認識
digit.matを使用
- Probabilistic Matrix Factorization (確率的行列分解)
- 確率的行列分解を用いた映画の推薦データの補間
- Least Squares Regression (最小二乗回帰)
- ガウスカーネルモデルに対する l2 正則化を用いた最小二乗回帰の交差確認法
- Sparse Regression (スパース回帰)
- ガウスカーネルモデルに対する交互方向乗数法を用いたスパース回帰の交差確認法
- Robust Regression (ロバスト回帰)
- 直線モデルに対するフーバー回帰及びテューキー回帰の繰り返し最小二乗アルゴリズム
- Least Squares Classification (最小二乗分類)
- ガウスカーネルモデルに対する一対他の最小二乗回帰を用いた手書き数字のパターン認識
digit.matを使用- PC のスペックによっては実行にかなり時間がかかるため注意
- Support Vector Machine (サポートベクトルマシン)
- 線形モデルに対するサポートベクトルマシンの劣勾配アルゴリズム
- Least Squares Stochastic Classification (最小二乗確率的分類)
- ガウスカーネルモデルに対する最小二乗確率的分類
- Semi-Supervised Learning (半教師あり学習)
- ガウスカーネルモデルに対するラプラス正則化最小二乗分類
- Transfer Learning (転移学習)
- 線形モデルに対するクラス比重み付き最小二乗法
- Locality Preserving Projection (局所性保存射影)
- ガウシアン類似度行列に対する局所性保存射影
- Fisher Discriminant Analysis (フィッシャー判別分析)
- 2クラスデータに対するフィッシャー判別分析
- Multi-Layer Perceptron (多層パーセプトロン)
- MNIST データセットに対する多層パーセプトロン
- MNIST Regularization (正則化)
- MNIST データセットの多層パーセプトロンに対する複数の正則化手法の比較
- CIFAR-10 Regularization (正則化)
- CIFAR-10 データセットの ResNet50 に対する複数の正則化手法の比較
- Autoencoder (自己符号化器)
- MNIST データセットに対する自己符号化器によるノイズ除去