Friday, November 6, 2009 ベイズの定理を指名手配！ベイズさんよ、もうバステッドだよ＾＾ このポストは以前Paskalが投稿したベイズの定理に関する記事（1）及び（2）の続きです。 「Bayes' theorem BUNKERIZED - You are busted, Mr. Bayes^^」の和訳でもあります。 ベイズの定理 は主流の考え方やドグマまた技術パラダイムに対する、私どもBunkerSofaのアプローチの仕方の典型的な例と言えます。 特にバカーソファーにおいて好まれているのは、論理上の誤解（＝誤謬）や技術上の誤解を特定し、システムの誤作動を裏付けるというタスクです。 バンカーソファーの原理にも基づき、そういった世の中の間違いの「特定」や「批判」というプロセス（「検疫」という見方も出来ますかね）は、BUNKERIZEと名付けさせて頂きたいと思います。 また
統数研の公開講座，R と WinBUGS に関してかなり初歩的なところを説明する予定です 90 分 + 60 分なので階層ベイズモデルの基礎と WinBUGS の動かしかただけを説明する予定です 統数研の案内: http://www.ism.ac.jp/lectures/kouza.html http://www.ism.ac.jp/lectures/20p.html [もくじ] 概要 久保担当部分 (2 時間目と 3 時間目) 2. ベイジアンモデリングとMCMC (11:00-12:30) 3. R と WinBUGS の使い方 (13:30-14:30) BUGS code の解説 概要 講座のタイトル及び英訳 マルコフ連鎖モンテカルロ法の基礎と実践 Markov Chain Monte Carlo : Basics and Examples 講座のレベル 中級 日程及び講義時間数
ベイジアンフィルタとかベイズ理論とかを勉強するにあたって、最初はなんだかよくわからないと思うので、 そんな人にお勧めのサイトを書き残しておきます。 @IT スパム対策の基本技術解説（前編）綱引きに蛇口当てゲーム？！楽しく学ぶベイズフィルターの仕組み http://www.atmarkit.co.jp/fsecurity/special/107bayes/bayes01.html いくつかの絵でわかりやすく解説してあります。 自分がしるかぎり、最もわかりやすく親切に解説してる記事です。数学とかさっぱりわからない人はまずここから読み始めるといいでしょう。 茨城大学情報工学科の教授のページから http://jubilo.cis.ibaraki.ac.jp/~isemba/KAKURITU/221.pdf PDFですが、これもわかりやすくまとまってます。 初心者でも理解しやすいし例題がいくつかあ
main : 2004/10/15(14:27) 編集にあたって v 編集にあたって 階層ベイズ法—–ベイズ統計の新しい展開 この巻の目的は，柔軟なモデリングのための道具として，さまざまな分 野で注目を浴びている「階層ベイズ法・経験ベイズ法」と「罰金付き推定」 の世界を解説することである．応用としては，時系列の解析と予測，確率 密度の推定，画像再構成，視覚の認知科学，非適切逆問題と数値解析など， 幅広い話題がとりあげられている． 階層ベイズ法とはどういう考え方かを簡単に説明する．従来の統計的モ デリングでは，データ y について，確率モデル P (y |x) を考えるとき，パ ラメータ x = {xi } の独立な要素をなるべく少なくするのが基本であった． これは頻度主義でもベイズ統計でも同じである．パラメータ数が多いほう が，空間的・時間的な変動や対象の個性を表現するには有利
付き合いたくないスパムと付き合うために 受信者の意向を無視して、一方的に送りつけられる迷惑メール（スパム）は、いまやメールボックスを雑音でいっぱいにしてしまい、大事なメールを見過ごしかねないほどの量に膨れ上がり、大きな問題となっています。 残念ながら、このようなスパムを発生源から断つような根本的な対策はいまだになく、私たちは、せめてメールサーバで受け取った大量のメール群からスパムと大事なメールを仕分けしてくれる仕組みに頼らざるを得ません。 スパムを判定する方法は、次の2つに大別することができます。 本稿では前者の方法に着目します。メールを受け取った人にとっては、メールの中身を読めば、そのメールがスパムかそうでないかを判定するのは容易なことです。スパムの定義は、メールを読む人によって変わる可能性があります。例えば、まったくゴルフをしない人にゴルフの勧誘メールが来た場合はスパムといえるでしょう
ベイジアンフィルタ (英: Bayesian filter, naive Bayes spam filtering) は単純ベイズ分類器を応用し、対象となるデータを解析・学習し分類する為のフィルタ。学習量が増えるとフィルタの分類精度が上昇するという特徴をもつ。個々の判定を間違えた場合には、ユーザが正しい内容に判定し直すことで再学習を行う[1]。 現状ではスパムメール（いわゆる迷惑メール）を振り分ける機能を持つソフトウェア（フィルタリングソフト）で、スパムフィルターでのスパム判定に利用されることが多い[1]。最近[いつ?]ではWeblogのトラックバック用フィルタ（トラックバックスパム対策）にも利用されるようになるなど、その利用範囲は徐々に広がりつつある。 ベイジアンフィルタでは、初期状態である程度までの振り分けができるように設定されている。振り分け対象となるデータ（迷惑メールなど）の学習量
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Amazon.co.jp: 入門ベイズ統計―意思決定の理論と発展: 松原望: 本