ベイズ推論について実装して理解するシリーズ。今回は、変分推論を使って近似ベイズ推論を行ってみます。変分推論の適用例として、ガウス分布のパラメータ推論と線形回帰を近似推論してみました。

ベイズ推論について実装して理解するシリーズ。今回は、MCMCアルゴリズムの一つであるギブスサンプリングです。ギブスサンプリングによって線形回帰（ベイズ線形回帰）の近似推定をしてみました。

ベイズ推論について実装して理解するシリーズの第２弾その２。 今回は、MCMCアルゴリズムの一つであるメトロポリス法を実装してみます。

ベイズ推論について実装して理解するシリーズの第２弾。今回からサンプリングに基づいた近似ベイズ推論を扱います。本記事では、モンテカルロ積分と棄却サンプリングを実装してみます。

ベイズ推論について理解するために実装するシリーズの第２弾。今回は線形回帰のパラメータ推論（いわゆる学習）を確率推論するベイズ線形回帰を実装してみました。

「ベイズ深層学習」を理解するために実装しながら読んで行きます。 今回は、第3章の内容で、特に確率分布についてです。

機械学習とは何を学習するものなのかについて（自分なりに）整理したいと思います。

最近hands-onセミナーの環境としてGoogleColabがすごく使いやすいということがわかりましたので、今更ですがGoogleColabの使い方をまとめました。

今更感ありますが、今回改めて「データ解析のための統計モデリング入門」を読みました。全3回の連載で各章にどのようなことが書かれているのかをまとめていきます。 第3回はGLMのベイズモデル化(第9章)と階層ベイズモデル(第10章)です。

今更感ありますが、今回改めて「データ解析のための統計モデリング入門」を読みました。全3回の連載で各章にどのようなことが書かれているのかをまとめていきます。 第2回は一般化線形混合モデル(第7章)からMCMC法(第8章)までです。

今更感ありますが、今回改めて「データ解析のための統計モデリング入門」を読みました。 読んだ感想としては、データ解析、統計モデリングの初学者は少なくともこれくらいは知っておいた方が良いと思います。ディープラーニングが流行りだし派手ですが、基本…

統計モデリングという視点で、AIや平均値の意味を考察。 データの背景を確率モデルという形で解釈するための枠組みが統計モデリングであり、AIもデータの分布を推定するものとみることができる。 統計について、基礎的な部分ですが私の考えをまとめました。

ブログ開設しました。 このブログでは、統計解析や機械学習に関して、私が学習したことをまとめることを目的としています。 機械学習、統計モデリング、ベイズ推定などを中心に記事を書いていこうと思います。