http://w.atwiki.jp/kiefer/ けんきゅうめも ja 2010-09-21T15:36:10+09:00 1285050970 https://w.atwiki.jp/kiefer/pages/31.html 2010-09-21T15:36:10+09:00 1285050970 https://w.atwiki.jp/kiefer/pages/30.html 2010-05-24T05:02:16+09:00 1274644936 https://w.atwiki.jp/kiefer/pages/29.html 2010-05-11T01:14:59+09:00 1273508099 https://w.atwiki.jp/kiefer/pages/28.html 2010-05-04T21:10:29+09:00 1272975029 https://w.atwiki.jp/kiefer/pages/27.html ***アプリの強制終了 Command+Option+esc ***アプリの切り替え Command+Tab ***ターミナルのクリア Control+l 2010-10-03T20:31:12+09:00 1286105472 https://w.atwiki.jp/kiefer/pages/26.html ***1日 macbook proが朝届いた. 早速自分使用にカスタマイズ. 入れたもの一覧. mac ports, carbon emacs, xcode, Latexit, google chrome, google 日本語入力 あとは, mac portsからpTeXとImageMagickを入れておしまい. これでこのノートでも研究の準備はバッチリだ. 少し問題もあって, windowsのボリュームをうまくマウントできないこと. このせいで, TimeMachineを使ってのバックアップが上手くいかない. この件はよく分からないので後回し. 明日は新宿にノートのケースでも買いに行こう. ***2日 新宿のヤマダとビックカメラに行ってきた. キャッシュカードを忘れていったため, お目当てのノートケースは買えなかったが, あとでamazonで注文. 研究室の先輩の論文を読み直してみた. ポワソン分布のパラメータを拡散カーネルで表す. $$\Lambda=\lambda e^{-\beta L}$$ $$\lambda$$と$$\beta$$のパラメータの推定問題に置き換える. データのWの標本平均行列とのノルムを評価基準とする. 論文を読んでいるうちに研究の具体的な方向性を思いついたので書き留めておく. 結局, LDA(Latent Dirichlet Allocation)や関モデルに帰着させたかった. これらのモデルがやっていることは, トピック抽出. これを時系列に適用したい. 例えば株価なら, 1日分の225銘柄の類似度行列を作る（もちろん対称行列） これを100日分くらい用意して訓練させ, 何らかのクラスターを作る. 可能なら, 1分おきのデータを用いると面白いかも（トピックの数を増やすことができる） トピックの時系列的な変化を追うのも面白い. ***3日 ゼミ用の資料を作成中. 自分のアイディアをいかに他人に教えるか, 非常に難しい. なるべく図を用いて, 少ないキーワードで作ることを心がけている. 資料を作っているうちに, 自分の理解も深まってきた. 昨日思いついたアイディアから, グラフ構造の生成モデ 2010-05-23T00:13:54+09:00 1274541234 https://w.atwiki.jp/kiefer/pages/25.html ***Rのパッケージkernlab中のspecc 例題は, expample(specc) ## Cluster the spirals data set. data(spirals) #中身は300セット×2次元のデータ sc <- specc(spirals, centers=2) #2つに分割 sc centers(sc) #クラスターごとの平均を求める. 行はクラスターに対応, 列は次元に対応. size(sc) withinss(sc) #評価関数? plot(spirals, col=sc) 類似度を定義するときに, カーネルで指定してもよい. ここでdiffusion kernelを使うと面白いかも？ **理論的なこと クラスタリングをグラフ分割の枠組みで解く手法である. まずは類似度行列Wを事前に求めておく必要があることに注意 このWを求めるときに, カーネル関数を用いることもできる. または, 単純に相関係数行列を用いる手もありか？ 相関係数行列にdiffusion kernelをかませる方法を考えている. 類似度行列の一般的な定義の一つ $$W_{i,j}=exp(\frac{-\delta_{i,j}^2}{2\sigma^2})$$ $$\sigma$$はユークリッド距離 また, 明らかにリンクがないところを0とおいてスパースとすることもできる. 半教師あり学習？ [[参考>http://www.litech.org/~wkiri/Papers/xu-activeconst-05.pdf]] *** 2010-04-29T21:37:25+09:00 1272544645 https://w.atwiki.jp/kiefer/pages/24.html 2010-04-29T05:23:58+09:00 1272486238 https://w.atwiki.jp/kiefer/pages/23.html 2011-02-11T20:51:47+09:00 1297425107 https://w.atwiki.jp/kiefer/pages/22.html ***複数のプロファイルを管理する方法 windowsならばショートカットの起動オプションに --user-data-dir=[フォルダ名] を指定すればショートカット単位で起動できる. macの場合はターミナルから起動する方法が現時点ではベスト. alias chrome open -a "/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome" --args --user-data-dir=[ディレクトリ名] を.cshrcに追加. もちろん" "内はインストールしたchromeの場所. プロファイルごとにディレクトリを作り, alias chrome1などと別名のエイリアスを作り, 起動するとよい. 2010-04-26T22:31:18+09:00 1272288678