【数分解説】ガウス過程(による回帰) : データのばらつきやノイズを考慮した非線形もいける回帰がしたい Gaussian Process

【数分解説】勾配法: 微分しても最小値が分からないときに傾きで最小値を見つけたい

【数分解説】混合ガウス分布: 複数のガウス分布の足し合わせで確率分布を表現したい【Gaussian Mixture Model : GMM】

1020：ベイズ的最適化の入門と応用 機械学習による機械学習の実験計画

【無料】R言語によるベイズ最適化：①ガウス回帰の実装

【機械学習】5分で紹介するベイズ最適化によるハイパーパラメータ探索

最小二乗法による線形回帰分析によって、非線形の物理モデルをよくあてはめるには？

EMアルゴリズム#1 混合ガウス分布の最尤推定

材料データ取得・解析・活用のためのベイズ最適化とスパースモデリング

【数分解説】カルマンフィルタ : ノイズを考慮してリアルタイムに直接観測できない状態を推定したい【Kalman FIlter】

重回帰分析を使うコツ【線形データと非線形データの見極めで使いこなす】

【数分解説】尤度(尤度関数): あるデータが与えられる時そのデータが出やすいパラメータを求める評価値が欲しい【Likelihood Function】

【ベイズ機械学習#2】線形回帰

Gaussian Processes

7.9　rmsを用いて繰り返し計測されたデータで非線形性を考慮した解析(非線形回帰)をする

머신11주차a 클러스터링

以外と知らない「最小二乗法」の落とし穴～正則化項を使おうよ！～

【大学数学】ベイジアンネットワーク【機械学習】

【9分で分かる】ベイズ統計学の入門基礎を解説！

01_502_機械学習におけるハイパーパラメータ最適化の理論と実践(野村 将寛)