情報意味論（１０） ベイズ学習

内容

1. 印刷用     1-6, 7-12, 13-18, 19-24, 25-30, 31-33
2. スライド　1 情報意味論（１０） ベイズ学習
3. スライド　2 目次
4. スライド　3 ベイズ的方法の役割
5. スライド　4 ベイズの定理
6. スライド　5 仮説の選択
7. スライド　6 ベイズの定理
8. スライド　7 力ずくMAP学習
9. スライド　8 概念学習との関係
10. スライド　9 概念学習との関係
11. スライド　10 事後確率の先鋭化
12. スライド　11 学習アルゴリズムと等価なMAP
13. スライド　12 実数値関数の学習
14. スライド　13 実数値関数の学習
15. スライド　14 実数値関数の最大化
16. スライド　15 確率の予測
17. スライド　16 最小記述長原理(MDL)
18. スライド　17 最小記述長原理
19. スライド　18 未知事例の最もありうべき分類
20. スライド　19 ベイズ最適な分類器
21. スライド　20 Gibbs 分類器
22. スライド　21 ナイーブベイズ分類器
23. スライド　22 Naive Bayes 分類器
24. スライド　23 Naive Bayes アルゴリズム
25. スライド　24 Naive Bayes: 例
26. スライド　25 訓練例：PlayTennis
27. スライド　26 Naive Bayes: 微妙な点１
28. スライド　27 Naive Bayes: 微妙な点２
29. スライド　28 文書分類の学習
30. スライド　29 文書分類の学習
31. スライド　30 文書分類の学習（アルゴリズム）
32. スライド　31 文書分類の学習（アルゴリズム）
33. スライド　32 実験例：20ニュースグループ
34. スライド　33 学習曲線