気楽にやろう！等身大☆初めての機械学習

1. 気楽に
等身大☆初めての機械学習
２０１５年 クラウド温泉＠小樽

2. 自己紹介
▪ 株式会社アイアンドディー
▪ 福重 美香
▪ Twitter: mi_kodayo
▪ 仕事: RoR、AWS、php、必要なもの
▪ 趣味: 工作

3. 今回、クラウド温泉テーマ
MLらしいよ

4. これを機に、
触ったことないけど
機械学習でLTする！

5. 私の機械学習レベル：初心者
▪ 大学文系、統計、分析、数学に関する知識なし。三角関
数は女子でも必要だと思います。
▪ 東京Rに出てみる ＝＞ゲーム会社系の人が多いなあ・・
▪ Kaggleなる懸賞サイトがあるのを知り興味は増す
▪ パターン認識の勉強会に出てみる＝＞数式で死亡
▪ Hadoop、Apache Mahout、H2O、OSCでおなじみの
キーワードだけは押さえつつ
▪ ふらふらしつつ、なかなか一歩を踏み出せずにいた

6. 機械学習とは？
(私のイメージ)
▪ 大量の既存データを使って
▪ ある法則でそれを分析し、場合によっては蓄積して
いく
▪ 経験をためて、その経験を生かして色々できるよう
なっていく人間の人生みたいなイメージ。
▪ ためる経験と、どう生かしたいか？で法則と分析を
変えていく。

7. 機械学習で何ができるの？
(私のイメージ)
▪ 分析結果を活用し、新しいデータが来たときの対応判
断ができる。
▪ アイディア次第でなんでもできるのでは
▪ とりあえずデータ突っ込んで、片っ端から手法にかけ
ていけば何か新しい発見があるのかも？
▪ その結果によって、したいことが決まるかも。

8. 機械学習、具体例
▪ ネコの画像を8000枚くらい収集。ネコの大まかな特
徴を大量データから分析して保持。
▪ ↓
▪ 新しいネコ画像をwebからダウンロードして、上記分
析ロジックにかける。
▪ ネコと判断されれば、いい感じに学習できている。ネ
コ以外と判断されればデータ見直し

9. そんな感じで、
機械学習やりますか！！

10. 何がやりたいか決まっていないと、
法則と分析ツールの選択肢が
ありすぎて迷う
▪ Scikit-learn
▪ R
▪ Caffe
▪ H2O
▪ Chainer
▪ Deeplearning4j
▪ ほかもたくさん！！それぞれできるML、DLに差分があるのは分ベストプラ
クティスが分からない！

11. 私「機械学習やりたいんです
けど、言語とか環境問わない
です、オススメあります？」
※現在メインで使っているRubyはMLには向かないということで、もうなんでもこいの状態

12. とある頭のいい大学生
「scikit-learnおすすめです
よ」

13. scikit-learnに決定
▪ Pythonのライブラリ
▪ http://scikit-learn.org/0.15/index.html
▪ いろんな分析ができる↓
▪ チートシート
▪ http://scikit-
learn.org/stable/tutorial/machine_learning_map/
▪ Exampleコードも充実している、

14. 環境構築自分でガチると、
めんどいです
▪ AWSのマイクロ作って、numpy, scipyなど必要なライブラリ
をコンパイルして入れていった。
▪ AWS Microだと、デフォswapが0。scipymake install中にメ
モリ不足で失敗するので、以下作業必須
▪ sudo /bin/dd if=/dev/zero of=/var/swap.1 bs=1M
count=1024
▪ sudo /sbin/mkswap /var/swap.1
▪ sudo /sbin/swapon /var/swap.1

15. 半日かかる。make祭手いたい・・
えっ！環境を作ってる？漢ですね
でもSagemath Cloud
を使うと楽ですよ？！
もしくはanacondaを使いましょ～。

16. まずはじめに、
tweetのクラスタ化を写経します
http://parosky.net/note/2013111
2

17. Mecab 形態素解析
#!/bin/env python
#coding:utf-8
import MeCab
tagger = MeCab.Tagger("-Ochasen")
print tagger.parse("今日はクラウド温泉の日ですー。
いえい！メカブ！")
$ python test_2.py

18. 今後の展開
▪ クラスタに、自分の発言の精神状態をつけてあげる
▪ （教師あり学習）
▪ 自分の発言の精神状態を分かるようにする？
▪ Beagle Black Bone(ARM)でscikitが使えれば＝＞最
新tweet取ってきて精神状態によりLEDを点滅さす
か？

19. 完全にひとり遊びです。
だれも楽しくない！！－－；

20. caffeの紹介
http://caffe.berkeleyvision.org/

21. 個人で等身大のMLをやる場合の
障害
▪ 学習させるための自前データない！
▪ オープンデータを使うくらい？
▪ 画像であれば1判断(ネコかどうかを判断するためのネ
コ画像) につき8000件は欲しいよ
▪ 画像は最適化の加工が大変すぎる(OpenCVで顔認識
等を使ったとしても)