MVA/2022/omake
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
検索
|
最終更新
|
ヘルプ
|
ログイン
]
開始行:
*多変量解析及び演習 2022年度 おまけ課題 [#aab7e27f]
**はじめに [#uf41c46f]
ここにはおまけ課題があります．おまけですので，やらなくて...
それぞれの課題について，やったひとは授業時間中に takataka...
** omake02 [#omake02]
- [[ex02notebookC.ipynb>https://github.com/takatakamanbou...
- 期限: 第3回の授業開始時
** omake03 [#omake03]
- [[omake03.ipynb>https://github.com/takatakamanbou/MVA/b...
- 期限: 第4回の授業終了時
- ちょっと難しいので，他より点数大きくします
** omake04 [#omake04]
A と B は独立です
*** omake04A [#uc372c89]
- 手計算のみ，易しい？
- 期限: 第5回演習開始時
[[ex03notebookA.ipynb>https://github.com/takatakamanbou/M...
#mathjax{{
\sum_{n=1}^{N} x_{n,0}\mathbf{w}\cdot\mathbf{x}_n = \sum_...
}}
が成り立つとき，次のことが言えます：
>
&mathjax{\mathbf{w}}; で決まる回帰式が表す平面は，説明変...
<
これを証明しなさい．
*** omake04B [#gd507ce1]
- [[omake04.ipynb>https://github.com/takatakamanbou/MVA/b...
- 期限: 第5回演習開始時
** omake05 [#omake05]
主成分分析では，データの分散共分散行列の固有値・固有ベク...
その理屈を理解して実際に計算してみましょう．
- 手計算と Python + NumPy の複合
- 期限: 第6回演習終了まで
*** Step1 [#q799c179]
任意の &mathjax{m \times n}; 行列 &mathjax{X}; は
#mathjax{{
X = USV^{\rm T}
}}
と分解できます．ただし，&mathjax{\textrm{rank}(X) = r \le...
- &mathjax{U}; は &mathjax{m\times r}; 列直交行列（各列の...
- &mathjax{V}; は &mathjax{n\times r}; 列直交行列
- &mathjax{S}; は &mathjax{r\times r}; 対角行列で，その対...
です．&mathjax{\sigma_1, \sigma_2, \ldots, \sigma_r}; を ...
このとき，&mathjax{X^{\rm T}X}; を &mathjax{V}; と &mathj...
Step1 ができたらいったん takataka に見せてください．Step2...
*** Step2 [#s88f8bd1]
Step1 が（高橋の説明も含めて）分かると，データを表す &mat...
&mathjax{X}; の分散共分散行列 &mathjax{\frac{1}{N}X^{\rm ...
ex05notebookB の適当な箇所にセルを追加して，Vの固有値固有...
** omake06 [#omake06]
画像処理してみよー
- [[omake06.ipynb>https://github.com/takatakamanbou/MVA/b...
- 期限: %%第8回演習開始時%% 第9回の時間中にいったん見せて...
** omake07 [#omake07]
自分で適当なデータを探して，Colab notebook を使って重回帰...
期限は特に設けませんので，できた時点で takataka に見せて...
** omake08 [#omake08]
もっと手書き数字認識してみよー
[[ex11>../ex11]] 課題C の続きとして，次のことをやってみま...
(1) 主成分分析 + 二次判別分析による識別の実験で，削減後の...
(2) scikit-learn で実装されている他の手法でも実験してみま...
- K-近傍法 https://scikit-learn.org/stable/modules/genera...
- ランダムフォレスト https://scikit-learn.org/stable/modu...
次元削減しないでデータをそのまま使ったらよいです．主成分...
終了行:
*多変量解析及び演習 2022年度 おまけ課題 [#aab7e27f]
**はじめに [#uf41c46f]
ここにはおまけ課題があります．おまけですので，やらなくて...
それぞれの課題について，やったひとは授業時間中に takataka...
** omake02 [#omake02]
- [[ex02notebookC.ipynb>https://github.com/takatakamanbou...
- 期限: 第3回の授業開始時
** omake03 [#omake03]
- [[omake03.ipynb>https://github.com/takatakamanbou/MVA/b...
- 期限: 第4回の授業終了時
- ちょっと難しいので，他より点数大きくします
** omake04 [#omake04]
A と B は独立です
*** omake04A [#uc372c89]
- 手計算のみ，易しい？
- 期限: 第5回演習開始時
[[ex03notebookA.ipynb>https://github.com/takatakamanbou/M...
#mathjax{{
\sum_{n=1}^{N} x_{n,0}\mathbf{w}\cdot\mathbf{x}_n = \sum_...
}}
が成り立つとき，次のことが言えます：
>
&mathjax{\mathbf{w}}; で決まる回帰式が表す平面は，説明変...
<
これを証明しなさい．
*** omake04B [#gd507ce1]
- [[omake04.ipynb>https://github.com/takatakamanbou/MVA/b...
- 期限: 第5回演習開始時
** omake05 [#omake05]
主成分分析では，データの分散共分散行列の固有値・固有ベク...
その理屈を理解して実際に計算してみましょう．
- 手計算と Python + NumPy の複合
- 期限: 第6回演習終了まで
*** Step1 [#q799c179]
任意の &mathjax{m \times n}; 行列 &mathjax{X}; は
#mathjax{{
X = USV^{\rm T}
}}
と分解できます．ただし，&mathjax{\textrm{rank}(X) = r \le...
- &mathjax{U}; は &mathjax{m\times r}; 列直交行列（各列の...
- &mathjax{V}; は &mathjax{n\times r}; 列直交行列
- &mathjax{S}; は &mathjax{r\times r}; 対角行列で，その対...
です．&mathjax{\sigma_1, \sigma_2, \ldots, \sigma_r}; を ...
このとき，&mathjax{X^{\rm T}X}; を &mathjax{V}; と &mathj...
Step1 ができたらいったん takataka に見せてください．Step2...
*** Step2 [#s88f8bd1]
Step1 が（高橋の説明も含めて）分かると，データを表す &mat...
&mathjax{X}; の分散共分散行列 &mathjax{\frac{1}{N}X^{\rm ...
ex05notebookB の適当な箇所にセルを追加して，Vの固有値固有...
** omake06 [#omake06]
画像処理してみよー
- [[omake06.ipynb>https://github.com/takatakamanbou/MVA/b...
- 期限: %%第8回演習開始時%% 第9回の時間中にいったん見せて...
** omake07 [#omake07]
自分で適当なデータを探して，Colab notebook を使って重回帰...
期限は特に設けませんので，できた時点で takataka に見せて...
** omake08 [#omake08]
もっと手書き数字認識してみよー
[[ex11>../ex11]] 課題C の続きとして，次のことをやってみま...
(1) 主成分分析 + 二次判別分析による識別の実験で，削減後の...
(2) scikit-learn で実装されている他の手法でも実験してみま...
- K-近傍法 https://scikit-learn.org/stable/modules/genera...
- ランダムフォレスト https://scikit-learn.org/stable/modu...
次元削減しないでデータをそのまま使ったらよいです．主成分...
ページ名:
![[PukiWiki]](image/blackuni3-80x80.png "[PukiWiki]")
