-
自己組織化マップとは？データの視覚的探索と次元削減の手法
-
ベイズ推定をわかりやすく解説｜事後分布から推定量を導く方法
カテゴリー
-
【MSEを最小化】ガウス・マルコフの定理と最良線形不偏推定量について
-
主成分分析（PCA）をわかりやすく解説【統計検定準一級】｜python
-
【統計検定準一級】ランダムウォークとマルチンゲールの話。
-
【python】ガウス過程回帰の仕組みと実務での応用|ノンパラメトリック機械学習
-
共分散分析(ANCOVA)とは？回帰分析や分散分析との違いもわかりやすく解説
-
【線形代数】固有値や固有ベクトルは機械学習にどう使われているのか|主成分分析
-
【F値とは】分散分析による検定の多重性について|統計検定準1級
-
【ベイズ因子】オッズ比の使われ方を紹介します
-
【完全攻略】多重共線性をわかりやすく解説
-
差の差分析（DID）をわかりやすく解説：多期間DIDとサンプルサイズ計算まで
-
【GLMM】一般化線形混合モデルについてわかりやすく解説
-
【尤度とは？】最尤法についてわかりやすく解説｜最尤推定量
-
正規分布とは？図解と合わせわかりやすく解説
-
【モデル選択】AIC(赤池情報量基準)についてわかりやすく解説
-
ロジスティック回帰についてわかりやすく解説【二項分布】【統計検定】
-
ブートストラップ法についてわかりやすく解説|R
-
【仮説検定】第1種の過誤と第2種の過誤とは？
-
【統計検定】ポアソン過程をわかりやすく解説|待ち行列理論
-
尤度比検定とは？わかりやすく解説｜カイ2乗分布との関わり
