- RT @motivic_: @berobero11 beroberoさんもブログで触れてる「予測にいかす～」の本のp35の図3.4にあります！この本だとDPINで考えていてAcyclicを入れるかどうかは（ぱっと眺めた感じでは）書いてないですね 11:42:01
- (tweet再々々試行) @motivic_ さんご指摘の図など見てみた…ふーむ，時系列構造のあるベイズ統計モデルはどれもベイジアンネットワークの一部，一方で空間相関なんかを表現するのに使う確率場なんかは UPIN の一部なのか… pic.twitter.com/vAaS6Dw8Lt 12:01:13
- なんだか不安になってきたので出典をきちんと書いておくと…… 樋口知之 (2011) 予測にいかす統計モデリングの基本 (講談社) www.amazon.co.jp/dp/4061557955/ の p.35 の図 3.4 です． 12:43:16
- 樋口さん予測本のグラフィカルモデル図 (前掲) で対数線形モデル (log-linear model) が UPIN である理由がわからない…ポアソン分布GLMなんかが LLM なのだが en.wikipedia.org/wiki/Log-linea… …ボルツマン分布とか，そういうハナシなのかな? 12:14:34
- RT @ibaibabaibai: @KuboBook log linearは同時確率の対数が十分統計量の線形結合になるという形。全変数の同時確率をモデル化。ポアソン分布GLMは交互作用入れても特定の変数（尤度の式ではデータを代入する）の条件つき確率をモデル化する 20:36:08
- RT @ibaibabaibai: @KuboBook 。伊庭未刊行原稿のマルコフ連鎖とイジング模型の間の部分も参照 20:36:25
- RT @ibaibabaibai: @KuboBook 変数が多いとき正規化定数の計算の面倒さがだいぶ違う。 20:36:34
- @ibaibabaibai log normal 解説、ありがとうございました……号泣ボーイをだっこうろうろ鎮静しつつ…… 21:17:28
- とらちゃんえくささいず．
- 朝 (0630): にぎり飯 (小)．
- 昼 (1200): 研究室． 米 0.7 合． ミニトマト．
- 晩 (1900): なぜか， パスタとピッツァの晩ごはんでした．