実験結果のデータを用いて機械学習・統計的に次の実験候補を求める方法 Efficient Global Optimization(EGO)

2017年03月09日

因子分析(Factor Analysis, FA)の実用的かつ実践的な方法

2017年03月05日

Locally Linear Embedding(LLE)の実用的かつ実践的な方法

2017年03月03日

Isometric mapping(Isomap)の実用的かつ実践的な方法

2017年03月02日

多次元尺度構成法 (Multi Dimensional Scaling, MDS)の実用的かつ実践的な方法

2017年03月01日

Label Spreading(LS)とサポートベクターマシン(Support Vector Machine, SVM)とを組み合わせた半教師あり学習法[多クラス分類OK]

2017年02月28日

公開中のプログラム・コード一覧(実用的かつ実践的なデータ解析・機械学習・データマイニング)

2017年02月27日

Label Propagation(LP)とサポートベクターマシン(Support Vector Machine, SVM)とを組み合わせた半教師あり学習法

2017年02月25日

一つの方法だけで大丈夫？なるべく多くの見える化・可視化手法の結果を確認しよう！

2017年02月21日

結局、主成分分析と因子分析って何が違うの？ たった３つの違いを押さえるだけで比較はOKです

2017年02月14日

重要な説明変数(記述子・特徴量・入力変数)を選択するには、複数の方法で選択された結果が必要

2017年02月10日

サポートベクターマシン(Support Vector Machine, SVM)と同時にOne-Class SVMでモデルの適用領域を決めておく【クラス分類・回帰分析】

2017年01月28日

Generative Topographic Mapping(GTM)の実用的かつ実践的な方法

2017年01月21日

データの見える化・可視化＋サポートベクターマシン(Support Vector Machine, SVM)でクラス分類の様子を見る

2017年01月16日

教師あり自己組織化写像(Self-Organizing Map, SOM)による回帰分析・クラス分類の実用的かつ実践的な方法 (Counter-Propagation Neural Network, CPNN)

2017年01月13日