Juliaを使った機械学習
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share

Juliaを使った機械学習

on

  • 1,894 views

Juliaを使った開発環境を中心に紹介します

Juliaを使った開発環境を中心に紹介します

Statistics

Views

Total Views
1,894
Views on SlideShare
1,391
Embed Views
503

Actions

Likes
6
Downloads
3
Comments
0

5 Embeds 503

http://chezou.wordpress.com 484
https://twitter.com 8
http://www.feedspot.com 4
https://chezou.wordpress.com 4
http://feedly.com 3

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Juliaを使った機械学習 Presentation Transcript

  • 1. Juliaを使った
 機械学習 2014/02/18 @はじパタLT twitter: @chezou / github:chezou
  • 2. 自己紹介 Kawasaki.rbやってます 普段は、RubyとRailsのお仕事 機械学習やNLPに興味があります
  • 3. Juliaとは? 数値計算・科学計算を対象とする動的 型付け言語 MATLABやnumpy/scipyと似た感覚で多 次元配列が簡単に扱える 速度もそれなりに速い
  • 4. 開発環境 Julia + IPython + IJulia + Gadfly ブラウザベースで対話的に動作が実行で き、D3.jsを使ってplotもできる http://qiita.com/chezou/items/ d090f26dcb31818d6964
  • 5. デモ
  • 6. よく見るirisをplot Pkg.add("RDatasets") using RDatasets using Gadfly iris = data("datasets", "iris") head(iris) tail(iris) plot(iris, x = "SepalWidth", y = "SepalLength", color="Species")
  • 7. k-means Pkg.add("Clustering") using Clustering x = rand(100, 10000) k = 50 result = kmeans(x, k; max_iter=50, display=:iter) result.assignments
  • 8. SVM Pkg.add("SVM") using SVM using RDatasets ! # Read iris data iris = data("datasets", "iris") ! # SVM format expects observations in columns and features in rows X = matrix(iris[:, 1:4])’ p, n = size(X) ! # SVM format expects positive and negative examples to +1/-1 Y = [species == "setosa" ? 1.0 : -1.0 for species in iris[:, "Species"]] ! # Select a subset of the data for training, test on the rest. train = randbool(n) ! # We'll fit a model with all of the default parameters model = svm(X[:,train], Y[train]) ! # And now evaluate that model on the testset accuracy = nnz(predict(model, X[:,~train]) .== Y[~train])/nnz(~train)
  • 9. 小並感 IJulia使っている時に、`using PyPlot`と`using Gadfly`を 混ぜると`plot()`が混ざって大変危険 怪しくなったら、Kernel restartするのが良い `Pkg.add()`で入るものが古い(=バグがある)場合がある ので、`Pkg.update()`で必要に応じて最新版を パッケージ最新版にしても、exampleコードがバグっ て動かない時もある