Juliaを使った開発環境を中心に紹介します

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

5. 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

7. 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

8. デモ

9. 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")

11. k-means
Pkg.add("Clustering")
using Clustering
x = rand(100, 10000)
k = 50
result = kmeans(x, k; max_iter=50, display=:iter)
result.assignments

12. 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)

13. 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