• ベイジアンふたたび
• ベイジアン＋線形回帰
• 事前分布の選び方
• ベイズ線形回帰を解く
• 正則化ふたたび
• まとめ

2012年1月25日

• 線形回帰を確率の問題に
• ノイズ＝確率分布
• 確率版の線形回帰を解く
• まとめ

2011年12月22日

• 線形回帰の復習
• 実装のための準備
• 線形回帰の実装
• 推定した関数を図示する
• 様々な条件で試す

2011年11月16日

• 「確率」を求める
• 合格する「確率」
• ベイズ確率，ふたたび
• 事後分布 ― 結果を使って「自信」を更新
• 事前分布 ― 最初の「自信」
• 共役事前分布 ― 都合のいい事前分布
• まとめ

2011年6月3日

• 戻らないけど「回帰」
• 線形回帰
• 線形回帰の例
• 過学習（over-fitting）
• 過学習を防ぐ正則化
• 正則化つき線形回帰
• まとめ

2011年3月2日

• 2つの変数の関係を見つけよう
• 隠されていた3つの仮定
• まとめ，そして「回帰」へ

2011年2月16日

• matplotlibのインストール
• 確率分布とは
• まとめ

2011年2月1日

• Numpyの導入
• インストール
• Numpy簡単な使い方
• 終わりに

2010年12月13日

• 正規分布
• 正規分布の平均と分散
• 中心極限定理
• 「よく使う分布」はどうしてよく使う？
• 多次元正規分布
• 今回のまとめ

2010年9月24日

• 第2回・第3回の復習
• 離散な確率と連続な確率
• 確率密度関数
• 連続確率の加法定理
• 確率の平均と分散

2010年9月8日

• ベイジアンフィルタとは
• 環境構築
• bag-of-wordsを利用したテキスト分類
• 文章を形態素に分割する
• ベイジアンフィルタの実装
• ナイーブベイズのアルゴリズム
• 訓練フェーズの実装
• 推定フェーズの実装
• カテゴリの推定
• 実行してみよう
• 次回のお知らせ

2010年8月23日

• 機械学習と確率
• 確率変数と確率分布
• 同時確率と条件付き確率
• 確率の加法定理・乗法定理
• 事後確率とベイズの公式
• モデルのパラメータ数
• 確率変数の独立性と「よいモデル」
• ナイーブベイズによる文書分類

2010年7月13日

• 機械学習の応用範囲
• どんなときに機械学習は役にたつ？
• 連載の構成
• 機械学習の流れ
• 機械学習をはじめよう！

2010年6月25日