2025 Reading List: Other ML
inaturam←データ可視化
PaCMAP
inaturam←ドメイン転移
松井氏の ツイート より
@matsui_kota
いわゆる discrepancy measure でドメインの類似度を評価する方法だと、元ドメイン分布に対して任意に遠い目標ドメイン分布が「同一特徴空間上で作れてしまう」（つまりこのアプローチは負転移の評価方法として機能しない可能性がある）ということを学んだ。なるほど〜〜〜
転移学習は内挿の近似だよシリーズ
ドメイン適応（domain adaptation）：
目標ドメインは元ドメインに似てることを想定するよ。特徴量やデータ分布のアラインメントをすることで共通空間上での内挿問題だと思えるようにすることを目指すよ。
ドメイン汎化（domain generalization）、メタ学習（meta learning）：
訓練に使うデータ集合はあるドメインの集合（データ集合の集合）からのサンプルだと考えるよ。学習によって集合に含まれる別のドメインへの汎化を目指すけど、これはドメイン集合内での内挿問題とみなすことができるよ。
マルチタスク学習（multitask learning）：
似てるタスク間では特徴量が共有されるように、競合するタスク間では共有されないようにアーキテクチャを工夫するよ。似てるタスク間での内挿問題と考えることができるよ。
継続学習（continual learning）：
新たなタスクへはfine tuningで適応（目標ドメインでの内挿）をしつつ、解いたタスクを忘れないようにすることで徐々に内挿領域を広げていくアイデアだよ。
対称性と機械学習
岡野原大輔本2
確率的機械学習
線形モデル Kevin P. Murphy “Probabilistic Machine Learning: An Introduction“ (MIT Press, 2022) の邦訳版
ロバストダイバージェンスによるベイズ法
inaturam←VAE
勉強資料
inaturam←クラスタリング手法のまとめ
クープマン解析
inaturam←メタアナリシス
なにもしらない分野 Rで入門できるらしい。
@Maxwell_110
CM とかって企業価値向上には殆ど寄与しなさそう，と感覚的に思ってたんだけど，それに関するメタアナリシス研究があった
これによると，広告支出の平均弾性値は 0.04 らしい．
一方で，マーケティング資産は大きめの弾性値．
やはり，広告は短期的には殆ど効果ないのかも