ご報告が遅れましたが、7月1日と8日に、それぞれ第8回、第9回の学生ゼミを行いました。 第8回 Chapter 4 : 線形識別モデル （4.1-4.2） 第9回 Chapter 4 : 線形識別モデル （4.3-4.5） いよいよ本格的なベイズ推定がテーマになってきました。 数学的な内容を自分の頭で理解し、かつそれを他の人に説明するのは、とてもよい経験になりました。
かき氷を食べました
今日は研究室でかき氷をつくりました。 どうやったらふわふわしたかき氷になるかということでメンバー一同盛り上がりました。 容さんが持ってきてくれたスイカもおいしかったです！ 今年も暑い夏になりそうですが、時折このような形でレクリエーションをはさみながら、暑さに負けずに研究を頑張っていきたいと思います。 投稿｜中村
第7回学生ゼミを行いました
本日第7回学生ゼミを行いました。 今回は、石黒くん(M1)によるパターン認識と機械学習(上)の第3章「線形回帰モデル」後半（ベイズ線形回帰、ベイズモデル比較、エビデンス比較）の発表がありました。 非常に分かりやすい発表で、ベイズモデル比較とエビデンス近似について理解が深まりました。また、エビデンス関数の有効パラメータ数の解釈について、議論が深まりました。 投稿者｜山野
第6回学生ゼミを行いました
本日は，第6回学生ゼミを行いました． 今回は，佐藤くん（B4）によるパターン認識と機械学習(上)の第3章「線形回帰モデル」前半（線形基底関数モデル、バイアス-バリアンス分解）の発表がありました．lassoにより疎な解を得ることのメリットや、多次元の目標変数を推定する際に同じ基底関数を用いることの利点について議論が深まりました。 投稿者｜石黒
第5回学生ゼミを行いました
本日，第5回学生ゼミを行いました． 今回は，容さん（M1）による第2章「確率分布」後半（ガウス分布の続き，指数型分布族，ノンパラメトリック法）の発表がありました．Robbins-Monroアルゴリズムによる汎用的な逐次推定について，数式の意味を丁寧に解きほぐしながら説明しており，大変参考になりました． また，ガウス分布に対するベイズ推論について，3種類の推定の違いを発表内で明確に示しており，自分の発表構成を再考する良いきっかけになりました． 投稿者｜佐藤