| 語1 | 語2 | スコア | 共起ページ数 |
|---|
| 今まで | 東京の理系大学院に通っている23歳学生です | 3.432587 | 40 |
| が付いている欄は必須項目です | メールアドレスが公開されることはありません | 2.946056 | 28 |
| が付いている欄は必須項目です | 名前 | 2.946056 | 28 |
| メール | 名前 | 2.946056 | 28 |
| サイト | メール | 2.946056 | 28 |
| サイト | 次回のコメントで使用するためブラウザーに自分の名前 | 2.946056 | 28 |
| サイトを保存する | メールアドレス | 2.919466 | 28 |
| メールアドレス | 次回のコメントで使用するためブラウザーに自分の名前 | 2.708846 | 28 |
| divergence | 元データと次元削減後のデータの近さをKL | 2.526844 | 16 |
| divergence | カルバック | 2.526844 | 16 |
| カルバック | ライブラー | 2.526844 | 16 |
| ダイバージェンス | ライブラー | 2.526844 | 16 |
| を最小化することで次元削減の学習を行います | ダイバージェンス | 2.526844 | 16 |
| SNEはPCAなどの可視化手法とは異なり | を最小化することで次元削減の学習を行います | 2.526844 | 16 |
| 今まで | 学んできたことや役に立ちそうなことを書いていきたいと思います | 2.503972 | 20 |
| サイトを保存する | 次回のコメントで使用するためブラウザーに自分の名前 | 2.450811 | 21 |
| 学んできたことや役に立ちそうなことを書いていきたいと思います | 東京の理系大学院に通っている23歳学生です | 2.314511 | 20 |
| から | 表示 | 2.305663 | 12 |
| から | ウィンドウレイアウト | 2.305663 | 12 |
| メールアドレスが公開されることはありません | 名前 | 2.271898 | 21 |
| が付いている欄は必須項目です | メール | 2.271898 | 21 |
| サイト | 名前 | 2.271898 | 21 |
| メール | 次回のコメントで使用するためブラウザーに自分の名前 | 2.271898 | 21 |
| として完全に与えられている時の解法アルゴリズムです | マルコフ決定過程 | 2.222389 | 10 |
| 回帰によって分類する手法 | 線形回帰の出力をロジット関数に入力することで | 2.152739 | 10 |
| 2分類問題に対応した回帰モデル | 回帰によって分類する手法 | 2.152739 | 10 |
| 分類数 | 計算後に指定して変更できる | 2.152739 | 10 |
| 分類数 | 指定されたクラスタ数 | 2.152739 | 10 |
| サイトを保存する | 東京の理系大学院に通っている23歳学生です | 2.148957 | 21 |
| となります | 実行結果は | 2.089847 | 8 |
| サイト | メールアドレス | 2.070398 | 21 |
| Enter | Shift | 2.052064 | 8 |
| Cookie | この | 2.003221 | 15 |
| Bit | Graphical | 1.993794 | 8 |
| Graphical | Installer | 1.993794 | 8 |
| Installer | をクリックしてダウンロードします | 1.993794 | 8 |
| そのシンプルさゆえに | 回帰問題を解く上で最もシンプルなモデルです | 1.993794 | 8 |
| そのシンプルさゆえに | 実装が簡単かつ学習にかかる時間も短いですが | 1.993794 | 8 |
| 実装が簡単かつ学習にかかる時間も短いですが | 難しい問題に対しては十分に学習できない恐れがあります | 1.993794 | 8 |
| 2分類問題に対応した回帰モデル | 線形回帰の出力をロジット関数に入力することで | 1.993794 | 8 |
| マージン最大化を取り入れることで | 少ないデータでも汎化性能が高い分類回帰モデルである | 1.993794 | 8 |
| 学習時間は長くなる | 木構造のモデルを用いる手法 | 1.993794 | 8 |
| 木構造のモデルを用いる手法 | 決定木には | 1.993794 | 8 |
| 2つあり分類木と回帰木がある | 決定木には | 1.993794 | 8 |
| 2つあり分類木と回帰木がある | 分類木 | 1.993794 | 8 |
| 上から１つの説明変数とその閾値によってデータを２つに分け | 分類木 | 1.993794 | 8 |
| さらに枝先で同様に別基準でデータを分けることによって | 上から１つの説明変数とその閾値によってデータを２つに分け | 1.993794 | 8 |
| さらに枝先で同様に別基準でデータを分けることによって | 分類するモデル | 1.993794 | 8 |
| 分類するモデル | 回帰木 | 1.993794 | 8 |
| 回帰木 | 決定木によってデータを分割し | 1.993794 | 8 |