Recommended
Recommended
More Related Content
Recently uploaded
Recently uploaded (9)
Featured
Featured (20)
機械学習超入門@渋谷
- 4. 101 : バナナ 100 102 : りんご 120 103 : レモン 130 101 : 2個 103 : 1個 330 明確なルールを人間が作っている
- 7. どうやって作るの？
- 8. 2 3 4 5 1
- 10. 何を予測させるか決める 予測に必要なデータを集める データベース ・ ログ ・ Web API ・ クローリング
- 11. 1 データの収集 2 3 4 5
- 13. 体重 kg 身長 cm 摂取カロリー kcal 性別 45 155 1870 女性 80 187 2150 男性 71 174 2010 男性 58 168 - 男性 47 149 1690 女性 体重を予測したい 0 1 1 1 0 1930 欠損値の補間 ダミー変数 正解ラベル 特徴量 男性
- 15. 3 手法の決定 4 5 2 データの加工 1 データの収集
- 17. 3 手法の決定 4 5 2 データの加工 1 データの収集
- 18. 4 学習 5 3 手法の決定 2 データの加工 1 データの収集
- 19. 𝑓 𝑥 = 𝜃0 + 𝜃1 𝑥 𝑥 モデルの作成 𝑓 𝑥 = 0 + 1 3 𝑥 𝑓 𝑥 = 1 − 1𝑥 𝑓 𝑥一定の自由度がある関数
- 21. 4 学習 5 3 手法の決定 2 データの加工 1 データの収集
- 22. 1 データの収集 2 データの加工 3 手法の決定 4 学習 5 評価
- 24. 予測 正解 りんご りんご りんご りんご りんご バナナ バナナ バナナ 分類 正解率 3 4 = 0.75
- 25. 回帰 平均平方二乗誤差 ( RMSE ) 1 𝑛 𝑖=1 𝑛 (𝑓𝑖 − 𝑦𝑖)2 𝑥 𝑓 𝑥
- 26. 1 データの収集 2 データの加工 3 手法の決定 4 学習 5 評価
- 27. いよいよ本題
- 30. Jupyter Notebook $ pip install jupyter
- 31. DEMO 予測してみる
- 32. ３行で学習と予測が可能 １ clf = LinearRegression() 2 clf.fit(X_train, y_train) 3 y_pred = clf.predict(X_test)
- 33. で？
- 36. ニューロン バイアス（ ） 入力1（ ） 入力2（ ） 活性関数 出力： ℎ 𝑧 𝑧 = 𝜃0 𝑥0 + 𝜃1 𝑥1+ 𝜃2 𝑥2 𝑥0 = 1 𝑥1 𝑥2 𝑧 ℎ 𝑧 0 ReLU関数
- 38. DEMO 予測してみる
- 39. 数行でディープラーニングを実装できる model = Sequential() model.add(Dense(256, input_dim=3072, activation='relu’)) model.add(Dense(64, activation='relu’)) model.add(Dense(2, activation='softmax'))
- 40. で？
- 42. スキルUPのおすすめ