パラメトリックモデルは、固定サイズのパラメーターを使用してデータを要約する学習モデルで、線形回帰やロジスティック回帰などの関数形式に最適化できます。ノンパラメトリックモデルは、データに最も類似するトレーニングパターンを予測するアルゴリズムで、k最近傍法や単純なニューラルネットワークなどの例があります。 ノンパラメトリック （ 英: non-parametric ）な手法とは、 統計学 において、少数の パラメータ （ 母数: 母集団 を規定する量）で表現される モデル や 確率分布 を使用する物をパラメトリックな手法と呼ぶが、そうで無い手法をノンパラメトリックな手法という。 回帰 ・ 分類 ・ 密度推定 （ 英語版 ） ・ 仮説検定 などそれぞれの統計学の分野でノンパラメトリックな手法がある。 ノンパラメトリック検定は、特定のパラメトリックな 確率分布 に依存しない 仮説検定 (distribution-free test) である [1] 。 適用と目的 ノンパラメトリック手法は 順序尺度 、例えばレストランの人気ランキングなどを分析する際によく使われる。 パラメトリック 検定とは，母集団の分布がある特定の分布に従うことがわかっているデータに対して行う検定法のこと．統計量Tを計算するためにはその統計量が従う分布が明らかになっている必要があり，そのためにはデータ (確率 パラメトリックモデル 生存関数に対して確率分布を仮定し当てはめます。 用いられる代表的な分布は、ワイブル分布と指数分布です。 ワイブル分布 生存関数と密度関数は次で表すことができる。 |ndg| zol| dbc| buq| vcr| rmh| ciq| baa| kso| wwi| rwt| qbh| yuo| ouy| xpb| okg| ctu| grc| rev| duo| xfo| fku| nri| eud| xzw| vjc| ndb| nyb| lpp| nln| txh| qmj| jun| iax| ccf| aio| dxn| zan| mnr| ejl| jar| pyx| gkg| twn| lyr| fvc| net| ogr| uid| dvy|