Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
第2回
「はじめてのパターン認識」読書会
2013/07/02(火)
@otanet
自己紹介(@otanet)
• 背景: 2008年まで環境問題(廃棄物)を研究。
-産業廃棄物の不法投棄の実証分析
-最終処分場の跡地利用の環境評価
-用いた手法:ゲーム理論、統計解析
• 現在:不動産賃貸のFC本部にてWebのKPIの集計業務...
本日の担当箇所(2章前半 19:55~20:25)
第2章 識別規則と学習法の概要
まえがき
2.1 識別規則と学習法の分類
2.2 汎化能力
3
まえがき
4
パターン認識の流れ
(P2 図1.1より)
識別クラス特徴ベクトル
重さ
透過率
サイズ
穴の有無
…
10円
50円
100円
500円
識別不能
10円玉
50円玉
100円玉
500円玉
-
特徴抽出
識別対象
識別規則
入...
まえがき(2章)
・微妙に異なる100円玉の特徴ベクトル=学習データ
・100円玉(新しい、古い、怪しい)⇔本物の100円玉:正しく識別すること=汎化能力
5
100円玉の場合(P8)と学習データ、汎化能力について
入力データとそのクラ
スの照...
2.1 識別規則と学習法の分類
6
2.1.1 識別規則の構成法
-ベイズの最大事後確立法
-最近傍法(KNN法)
-パーセプトロン型学習回路・SVM
-決定木(CART、C4.5)
学習データセット
2.1.2 教師付き学習 2.1.4 教師...
2.1 識別規則と学習法の分類
7
2.1.1 識別規則の構成法
→4つ
2.1.2 教師付き学習
→線形識別関数、2クラスの場合、3つ以上のクラス
の場合、学習データセットについて
2.1.3 教師付き学習と線形回帰
→2値の場合
2.1.4...
2.1.1 識別規則の構成法(概要)
8
(c) 関数値 パーセプトロン型
学習回路
写像の実現方法
(d) 決定木 CART、C4.5
写像の実現方
法
決定木の終端
ノードでクラスを
分類
方法 代表例
(a) 事後確率 ベイズ推定法
写像...
2.1.1 識別規則の構成法(概要)
9
(c) 関数値 パーセプトロン型
学習回路
サポートベクトル
マシン
R関数 nnet()
主な参照先 7章・8章
(d) 決定木 CART、C4.5
R関数 rpart()
主な参照先 11章
方法 ...
2.1.2 教師付き学習
10
例題2.1
11
例題2.1
• 詳しくはP76-P78の例題6.2、6.3を参照のこと。
12
2.1.2(続き)学習と学習データその1
• 学習データ:入力データとそのクラスを指定したデータ
(=教師データ)を対にしたデータセットのこと。
13
識別クラス特徴ベクトル
重さ
透過率
サイズ
穴の有無
…
-
-
100円
-
-
様々な...
2.1.2(続き)学習と学習データその2
14
2.1.2(続き)学習と学習データその3
15
2.1.3 教師付き学習と線形回帰
16
2.1.4 教師なし学習
2.1.4 教師なし学習(自己組織型学習)
・クラスタリング:入力データ間の距離や類似度、確
率モデルに基づきクラスを自動生成
・形質導入学習:コスト削減のため、一部のデータの
み教師をつけて、そのほかは教師なしで学習...
参考文献一覧
1.平井(2003)「はじめてのパターン認識」 森北出版
2.石井他(1998)「わかりやすいパターン認識」
3.金編,金森・竹之内・村田著(2010)「Rで学ぶデータサイエン
ス 5 パターン認識」
4.金編,姜著(2010)「...
ご清聴ありがとうございました。
19
Upcoming SlideShare
Loading in …5
×

はじパタ2nd 20130702 otanet

2,960 views

Published on

はじパタ2nd 20130702 otanet

  1. 1. 第2回 「はじめてのパターン認識」読書会 2013/07/02(火) @otanet
  2. 2. 自己紹介(@otanet) • 背景: 2008年まで環境問題(廃棄物)を研究。 -産業廃棄物の不法投棄の実証分析 -最終処分場の跡地利用の環境評価 -用いた手法:ゲーム理論、統計解析 • 現在:不動産賃貸のFC本部にてWebのKPIの集計業務 に従事(6月30日に退職、転職活動中) • スタンス:統計解析をパターン認識・機械学習に応用し て、幅広い分析のできるマーケターとして活躍したい。 2
  3. 3. 本日の担当箇所(2章前半 19:55~20:25) 第2章 識別規則と学習法の概要 まえがき 2.1 識別規則と学習法の分類 2.2 汎化能力 3
  4. 4. まえがき 4 パターン認識の流れ (P2 図1.1より) 識別クラス特徴ベクトル 重さ 透過率 サイズ 穴の有無 … 10円 50円 100円 500円 識別不能 10円玉 50円玉 100円玉 500円玉 - 特徴抽出 識別対象 識別規則 入力データとそのクラ スの照合・対応づけ
  5. 5. まえがき(2章) ・微妙に異なる100円玉の特徴ベクトル=学習データ ・100円玉(新しい、古い、怪しい)⇔本物の100円玉:正しく識別すること=汎化能力 5 100円玉の場合(P8)と学習データ、汎化能力について 入力データとそのクラ スの照合・対応づけ 100円玉 識別クラス特徴ベクトル 重さ 透過率 サイズ 穴の有無 … - - 100円 - - 様々な 100円玉 - - - 特徴抽出 識別対象 識別規則 10円玉 50円玉 100円玉 500円玉 - 入力パターン 識別部特徴抽出部 出力
  6. 6. 2.1 識別規則と学習法の分類 6 2.1.1 識別規則の構成法 -ベイズの最大事後確立法 -最近傍法(KNN法) -パーセプトロン型学習回路・SVM -決定木(CART、C4.5) 学習データセット 2.1.2 教師付き学習 2.1.4 教師なし学習 -パーセプトロン型学習回路・SVM -クラスタリング(自己組織型学習) -決定木(CART、C4.5) -形質導入学習(効率化)
  7. 7. 2.1 識別規則と学習法の分類 7 2.1.1 識別規則の構成法 →4つ 2.1.2 教師付き学習 →線形識別関数、2クラスの場合、3つ以上のクラス の場合、学習データセットについて 2.1.3 教師付き学習と線形回帰 →2値の場合 2.1.4 教師なし学習 →すべてのデータ(クラスタリング)と一部のデータ (形質導入学習)
  8. 8. 2.1.1 識別規則の構成法(概要) 8 (c) 関数値 パーセプトロン型 学習回路 写像の実現方法 (d) 決定木 CART、C4.5 写像の実現方 法 決定木の終端 ノードでクラスを 分類 方法 代表例 (a) 事後確率 ベイズ推定法 写像の実現方法 事後確率の最大 のクラスに分類 (b) 距離 最近傍法 写像の実現方 法
  9. 9. 2.1.1 識別規則の構成法(概要) 9 (c) 関数値 パーセプトロン型 学習回路 サポートベクトル マシン R関数 nnet() 主な参照先 7章・8章 (d) 決定木 CART、C4.5 R関数 rpart() 主な参照先 11章 方法 代表例 (a) 事後確率 ベイズ推定法 R関数 - 主な参照先 3章・11章 (b) 距離 最近傍法 R関数 hclust() 主な参照先 5章
  10. 10. 2.1.2 教師付き学習 10
  11. 11. 例題2.1 11
  12. 12. 例題2.1 • 詳しくはP76-P78の例題6.2、6.3を参照のこと。 12
  13. 13. 2.1.2(続き)学習と学習データその1 • 学習データ:入力データとそのクラスを指定したデータ (=教師データ)を対にしたデータセットのこと。 13 識別クラス特徴ベクトル 重さ 透過率 サイズ 穴の有無 … - - 100円 - - 様々な 100円玉 - - - 特徴抽出 識別対象 識別規則 10円玉 50円玉 100円玉 500円玉 - 入力パターン 識別部特徴抽出部 出力 学習データ 教師データ 識別クラス入力データ
  14. 14. 2.1.2(続き)学習と学習データその2 14
  15. 15. 2.1.2(続き)学習と学習データその3 15
  16. 16. 2.1.3 教師付き学習と線形回帰 16
  17. 17. 2.1.4 教師なし学習 2.1.4 教師なし学習(自己組織型学習) ・クラスタリング:入力データ間の距離や類似度、確 率モデルに基づきクラスを自動生成 ・形質導入学習:コスト削減のため、一部のデータの み教師をつけて、そのほかは教師なしで学習を行う。 例)Webのテキストや画像・音楽データなど 17
  18. 18. 参考文献一覧 1.平井(2003)「はじめてのパターン認識」 森北出版 2.石井他(1998)「わかりやすいパターン認識」 3.金編,金森・竹之内・村田著(2010)「Rで学ぶデータサイエン ス 5 パターン認識」 4.金編,姜著(2010)「Rで学ぶデータサイエンス 3 ベイズ統 計データ解析」 5.金著(2007)「Rによるデータサイエンス」 18
  19. 19. ご清聴ありがとうございました。 19

×