NISHIO Hirokazu
[Translate]
ロジスティック回帰とナイーブベイズ
ロジスティック回帰
と
ナイーブベイズ
の比較
Ng, A.Y., Jordan, M.I. (2001)
On Discriminative vs. Generative Classifiers: A comparison of logistic regression and naive Bayes
ザックリ言えば
十分にデータがあるならロジスティック回帰が有利
データの少ないタイミングではナイーブベイズが有利
だけど、個別の問題について「この問題だとどれくらいのデータがあれば逆転するか」は不明なので実務的には「両方試せ」が正解なのではないだろうか。
Tweet
Related Pages
ナイーブベイズ
→
埋め込みベクトル
×
ロジスティック回帰
→
埋め込みベクトルにロジスティック回帰
→
選挙は4年に一度5bit送信する遅い通信だ
×
デジタルネイティブは4年に1度のアップロード帯域で十分とは思わない
×
if文から機械学習への道
×
どんどん複雑な条件分岐になっていく
×
教師あり学習
×
ロジスティック回帰
×
決定木
×
家族的類似性
×
東洋人はロジスティック回帰で西洋人は決定木
×
ルールベースパラダイムが重み付き和パラダイムに負けたエポック
×
vibe_coding
×
一部が消えて一部残り新しく生まれる
×
captcha
×
人間でないユーザ
×
認知戦
×
輿論戦
×
法は社会のos
×
九電玄海原発、ドローン侵入か
×
ウクライナ向け「ストライクキット」3.3万台供給
×
共有地の悲劇
×
ossで共有地の悲劇が起こることにどう対処するか
×
大きな政府と小さな政府
×
「大きな政府/小さな政府」は誤った二項対立
×
オストロム
×
公共財
×
共有資源
×
cpr
×
common-pool_resource
×
connections_between_indivisuals_as_first-class_objects
×
intersecting_group
×
新しいものは登場前にその価値を見積もることができない
×
ブロードリスニング
×
ai_objectives_institute
×
talk_to_the_city
×
デジタル民主主義2030
×
広聴ai
×
ブロードリスニングが国会で野党が総理大臣に質問するために使われた事例
×
日本維新の会のブロードリスニング事例
×
polis
×
既存のsnsは個人に注目させるが、polisは個人ではなく集団に注目させる
×
citizens_foundation
×
your_priorities
×
リプライさせない仕組み
×
別席調停
×
左派がよい主張をしているなら、右派がやるべきことは同じくらいよい主張であり、戦うことではありません
×
いどばたシステム
×
bitcoinはお金、ethereumはコンピュータ
×
中央集権の3つの軸
×
polymarket
×
1人1票
×
quadratic_voting
×
quadratic_funding
×
vitalik_buterin
×
gitcoin_grants
×
retroactive_public_goods_funding
×
futarchy
×
an_introduction_to_futarchy
×
幅がある
→
社会を人間による計算として考える
→
木を見る西洋人_森を見る東洋人
×
家族的類似性
×
ベクトルの類似度
×
教師あり学習
×
ロジスティック回帰
×
決定木
×
plurality
→
東洋人はロジスティック回帰で西洋人は決定木
→
ルートヴィヒ・ウィトゲンシュタイン
×
哲学探究
×
family_resemblance
×
木を見る西洋人_森を見る東洋人
×
決定木
×
ロジスティック回帰
×
東洋人はロジスティック回帰で西洋人は決定木
×
対立は一つだけではない
×
パンダ、サル、バナナ、仲間はどれ?
→
家族的類似性
→
機械学習
×
真偽値を数値にする
×
重み
×
ロジスティック回帰
×
アカデミア
×
顧客価値
×
新規性
×
ビジネス要件
×
顧客が何を求めているか
×
制約条件
×
minimum_viable_product
×
コンシェルジュ型mvp
×
人がやる方法
×
リーン・スタートアップ
×
具体的不満
×
教師データ
×
pdcaサイクル
×
科学的方法論
×
改善
×
能動学習
×
chatgpt_outperforms_crowd-workers_for_text-annotation_tasks
×
ナイーブベイズ
×
確率モデル
×
判断の自信
→
if文から機械学習への道
→
共通化
×
共通のインターフェイス
×
習得するコスト
×
長所
×
共通部分
×
強みを失う
×
機械学習
×
共通インターフェイス
×
ロジスティック回帰
×
SVMで確率推定
×
罠
×
ソフトウェア設計
×
設計
→
共通インターフェイスの罠
→
ロジスティック
×
シグモイド
×
累積分布関数
×
ロジスティック回帰
×
シグモイドとソフトマックスの関係
→
x/(x+1)
→
説明しやすさ
×
思考停止
×
家族的類似性
×
ロジスティック回帰
×
描きやすい絵のバイアス
→
説明しやすさと思考停止
→
word2vecによる自然言語処理
×
word2vec
×
ネガティブサンプリング
×
ロジスティック回帰
→
ネガティブサンプリングとロジスティック回帰
→
svm
×
二値分類
×
確率モデル
×
libsvm
×
sklearn
×
ロジスティック回帰
×
機械学習
→
SVMで確率推定
→
バンディット問題
×
機械学習プロフェッショナルシリーズ
×
本多_淳也
×
中村_篤祥
×
ロジスティック回帰
×
トンプソンサンプリング
→
バンディット問題の理論とアルゴリズム
→
機械学習
×
ロジスティック回帰
×
世界のデータサイエンティストが使う技術
→
なぜロジスティック回帰を使ったか
→
ロジスティック回帰
×
誤った二者択一
×
回帰と分類
×
機械学習
→
ロジスティック回帰は回帰か分類か
→
ロジスティック回帰
×
python
→
世界のデータサイエンティストが使う技術
"
Engineer's way of creating knowledge
" the English version of my book is now available on
[Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from
[Scrapbox]
at
11/23/2025, 5:50:25 PM
[Edit]