Submit Search
Upload
[第2版] Python機械学習プログラミング 第3章(~4節)
•
1 like
•
485 views
H
Haruki Eguchi
Follow
社内勉強会で使用した資料です。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 26
Download now
Download to read offline
Recommended
[第2版]Python機械学習プログラミング 第7章
[第2版]Python機械学習プログラミング 第7章
Haruki Eguchi
[第2版] Python機械学習プログラミング 第3章(5節~)
[第2版] Python機械学習プログラミング 第3章(5節~)
Haruki Eguchi
[第2版]Python機械学習プログラミング 第9章
[第2版]Python機械学習プログラミング 第9章
Haruki Eguchi
Tokyo.R #22 LT
Tokyo.R #22 LT
Masayuki Isobe
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
y-uti
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Takuji Tahara
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
y-uti
Recommended
[第2版]Python機械学習プログラミング 第7章
[第2版]Python機械学習プログラミング 第7章
Haruki Eguchi
[第2版] Python機械学習プログラミング 第3章(5節~)
[第2版] Python機械学習プログラミング 第3章(5節~)
Haruki Eguchi
[第2版]Python機械学習プログラミング 第9章
[第2版]Python機械学習プログラミング 第9章
Haruki Eguchi
Tokyo.R #22 LT
Tokyo.R #22 LT
Masayuki Isobe
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
y-uti
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Takuji Tahara
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
論文紹介 Identifying Implementation Bugs in Machine Learning based Image Classifi...
y-uti
コンピュータビジョン 1章
コンピュータビジョン 1章
motimune
Jubakitの解説
Jubakitの解説
JubatusOfficial
20160611 pymc3-latent
20160611 pymc3-latent
Taku Yoshioka
Chainer入門と最近の機能
Chainer入門と最近の機能
Yuya Unno
画像処理でのPythonの利用
画像処理でのPythonの利用
Yasutomo Kawanishi
Jubakit の紹介
Jubakit の紹介
kmaehashi
[第2版]Python機械学習プログラミング 第12章
[第2版]Python機械学習プログラミング 第12章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第12章
[第2版]Python機械学習プログラミング 第12章
Haruki Eguchi
第十三回ネットワークチーム講座資料
第十三回ネットワークチーム講座資料
densan_teacher
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
isaac-otao
深層学習フレームワークChainerとその進化
深層学習フレームワークChainerとその進化
Yuya Unno
基礎構文班20回目 コンストラクタ 継承
基礎構文班20回目 コンストラクタ 継承
XMLProJ2014
TensorFlow 入門
TensorFlow 入門
Takenori Nakagawa
Jubatus Python特徴抽出プラグイン
Jubatus Python特徴抽出プラグイン
Tetsuya Shioda
TensorFlowで逆強化学習
TensorFlowで逆強化学習
Mitsuhisa Ohta
Dropout Distillation
Dropout Distillation
Shotaro Sano
Few shot object detection via feature reweighting
Few shot object detection via feature reweighting
Nobuaki Kuwabara
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
TAI_GDEP_Webinar_1a_27Oct2020
TAI_GDEP_Webinar_1a_27Oct2020
ssuser5b12d1
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
Deep Learning JP
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Yasutomo Kawanishi
Scikit-learnを使って 画像分類を行う
Scikit-learnを使って 画像分類を行う
Arata Honda
More Related Content
What's hot
コンピュータビジョン 1章
コンピュータビジョン 1章
motimune
Jubakitの解説
Jubakitの解説
JubatusOfficial
20160611 pymc3-latent
20160611 pymc3-latent
Taku Yoshioka
Chainer入門と最近の機能
Chainer入門と最近の機能
Yuya Unno
画像処理でのPythonの利用
画像処理でのPythonの利用
Yasutomo Kawanishi
Jubakit の紹介
Jubakit の紹介
kmaehashi
[第2版]Python機械学習プログラミング 第12章
[第2版]Python機械学習プログラミング 第12章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第12章
[第2版]Python機械学習プログラミング 第12章
Haruki Eguchi
第十三回ネットワークチーム講座資料
第十三回ネットワークチーム講座資料
densan_teacher
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
isaac-otao
深層学習フレームワークChainerとその進化
深層学習フレームワークChainerとその進化
Yuya Unno
基礎構文班20回目 コンストラクタ 継承
基礎構文班20回目 コンストラクタ 継承
XMLProJ2014
TensorFlow 入門
TensorFlow 入門
Takenori Nakagawa
Jubatus Python特徴抽出プラグイン
Jubatus Python特徴抽出プラグイン
Tetsuya Shioda
TensorFlowで逆強化学習
TensorFlowで逆強化学習
Mitsuhisa Ohta
Dropout Distillation
Dropout Distillation
Shotaro Sano
Few shot object detection via feature reweighting
Few shot object detection via feature reweighting
Nobuaki Kuwabara
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
TAI_GDEP_Webinar_1a_27Oct2020
TAI_GDEP_Webinar_1a_27Oct2020
ssuser5b12d1
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
Deep Learning JP
What's hot
(20)
コンピュータビジョン 1章
コンピュータビジョン 1章
Jubakitの解説
Jubakitの解説
20160611 pymc3-latent
20160611 pymc3-latent
Chainer入門と最近の機能
Chainer入門と最近の機能
画像処理でのPythonの利用
画像処理でのPythonの利用
Jubakit の紹介
Jubakit の紹介
[第2版]Python機械学習プログラミング 第12章
[第2版]Python機械学習プログラミング 第12章
[第2版]Python機械学習プログラミング 第12章
[第2版]Python機械学習プログラミング 第12章
第十三回ネットワークチーム講座資料
第十三回ネットワークチーム講座資料
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
深層学習フレームワークChainerとその進化
深層学習フレームワークChainerとその進化
基礎構文班20回目 コンストラクタ 継承
基礎構文班20回目 コンストラクタ 継承
TensorFlow 入門
TensorFlow 入門
Jubatus Python特徴抽出プラグイン
Jubatus Python特徴抽出プラグイン
TensorFlowで逆強化学習
TensorFlowで逆強化学習
Dropout Distillation
Dropout Distillation
Few shot object detection via feature reweighting
Few shot object detection via feature reweighting
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
TAI_GDEP_Webinar_1a_27Oct2020
TAI_GDEP_Webinar_1a_27Oct2020
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
Similar to [第2版] Python機械学習プログラミング 第3章(~4節)
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Yasutomo Kawanishi
Scikit-learnを使って 画像分類を行う
Scikit-learnを使って 画像分類を行う
Arata Honda
MLOps入門
MLOps入門
Hiro Mura
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
健司 亀本
Python 学習教材
Python 学習教材
Jun MITANI
機械学習アルゴリズム基礎
機械学習アルゴリズム基礎
ssuser60e2a31
はじめてのPowerShell
はじめてのPowerShell
Trainocate Japan, Ltd.
20180123 power shell
20180123 power shell
Trainocate Japan, Ltd.
2019-04-17 「不適切コンテンツ検出」の機械化と安定運用
2019-04-17 「不適切コンテンツ検出」の機械化と安定運用
Yasuhiko Iwase
Elasticsearch勉強会_NLPQA.pptx
Elasticsearch勉強会_NLPQA.pptx
shinhiguchi
再考: お買い得物件を機械学習で見つける方法
再考: お買い得物件を機械学習で見つける方法
智志 片桐
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
Ryohei Ueda
最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-
Shintaro Fukushima
0610 TECH & BRIDGE MEETING
0610 TECH & BRIDGE MEETING
健司 亀本
Jubakitの紹介
Jubakitの紹介
JubatusOfficial
ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド
ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド
Etsuji Nakai
OSC2015nagoya
OSC2015nagoya
Miki Shimogai
Hivemall Talk@SIGMOD-J Oct.4, 2014.
Hivemall Talk@SIGMOD-J Oct.4, 2014.
Makoto Yui
研究室勉強会資料「データ分析チュートリアル」
研究室勉強会資料「データ分析チュートリアル」
ymmt3-lab
ランダムフォレストとそのコンピュータビジョンへの応用
ランダムフォレストとそのコンピュータビジョンへの応用
Kinki University
Similar to [第2版] Python機械学習プログラミング 第3章(~4節)
(20)
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Scikit-learnを使って 画像分類を行う
Scikit-learnを使って 画像分類を行う
MLOps入門
MLOps入門
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
Python 学習教材
Python 学習教材
機械学習アルゴリズム基礎
機械学習アルゴリズム基礎
はじめてのPowerShell
はじめてのPowerShell
20180123 power shell
20180123 power shell
2019-04-17 「不適切コンテンツ検出」の機械化と安定運用
2019-04-17 「不適切コンテンツ検出」の機械化と安定運用
Elasticsearch勉強会_NLPQA.pptx
Elasticsearch勉強会_NLPQA.pptx
再考: お買い得物件を機械学習で見つける方法
再考: お買い得物件を機械学習で見つける方法
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
三次元点群処理ライブラリPCLと 統合ロボットシステム研究での 利用例の紹介
最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-
0610 TECH & BRIDGE MEETING
0610 TECH & BRIDGE MEETING
Jubakitの紹介
Jubakitの紹介
ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド
ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド
OSC2015nagoya
OSC2015nagoya
Hivemall Talk@SIGMOD-J Oct.4, 2014.
Hivemall Talk@SIGMOD-J Oct.4, 2014.
研究室勉強会資料「データ分析チュートリアル」
研究室勉強会資料「データ分析チュートリアル」
ランダムフォレストとそのコンピュータビジョンへの応用
ランダムフォレストとそのコンピュータビジョンへの応用
More from Haruki Eguchi
[第2版]Python機械学習プログラミング 第16章
[第2版]Python機械学習プログラミング 第16章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第15章
[第2版]Python機械学習プログラミング 第15章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第14章
[第2版]Python機械学習プログラミング 第14章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第13章
[第2版]Python機械学習プログラミング 第13章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第11章
[第2版]Python機械学習プログラミング 第11章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第10章
[第2版]Python機械学習プログラミング 第10章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第8章
[第2版]Python機械学習プログラミング 第8章
Haruki Eguchi
[第2版]Python機械学習プログラミング 第6章
[第2版]Python機械学習プログラミング 第6章
Haruki Eguchi
[第2版] Python機械学習プログラミング 第5章
[第2版] Python機械学習プログラミング 第5章
Haruki Eguchi
[第2版] Python機械学習プログラミング 第4章
[第2版] Python機械学習プログラミング 第4章
Haruki Eguchi
[第2版] Python機械学習プログラミング 第2章
[第2版] Python機械学習プログラミング 第2章
Haruki Eguchi
[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章
Haruki Eguchi
More from Haruki Eguchi
(12)
[第2版]Python機械学習プログラミング 第16章
[第2版]Python機械学習プログラミング 第16章
[第2版]Python機械学習プログラミング 第15章
[第2版]Python機械学習プログラミング 第15章
[第2版]Python機械学習プログラミング 第14章
[第2版]Python機械学習プログラミング 第14章
[第2版]Python機械学習プログラミング 第13章
[第2版]Python機械学習プログラミング 第13章
[第2版]Python機械学習プログラミング 第11章
[第2版]Python機械学習プログラミング 第11章
[第2版]Python機械学習プログラミング 第10章
[第2版]Python機械学習プログラミング 第10章
[第2版]Python機械学習プログラミング 第8章
[第2版]Python機械学習プログラミング 第8章
[第2版]Python機械学習プログラミング 第6章
[第2版]Python機械学習プログラミング 第6章
[第2版] Python機械学習プログラミング 第5章
[第2版] Python機械学習プログラミング 第5章
[第2版] Python機械学習プログラミング 第4章
[第2版] Python機械学習プログラミング 第4章
[第2版] Python機械学習プログラミング 第2章
[第2版] Python機械学習プログラミング 第2章
[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章
Recently uploaded
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
Recently uploaded
(12)
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
[第2版] Python機械学習プログラミング 第3章(~4節)
1.
Python機械学習プログラミング 読み会 第3章(〜3.4) 分類問題—機械学習ライブラリ scikit-learn の活用(前半) 1 [第2版] 基盤
江口春紀
2.
目次 ● 分類アルゴリズムの選択 ● scikit-learn
活用へのファーストステップ:パーセプトロンのトレーニング ● ロジスティック回帰を使ってクラスの確率を予測するモデルの構築 ● サポートベクトルマシンによる最大マージン分類 2
3.
3 分類アルゴリズムの選択
4.
分類アルゴリズムの選択 ● モデルの選択 ● それぞれのモデルにはそれぞれの特性があるので、 数種類のアルゴリズムを比較する。(ノーフリーランチ定理) ●
この章ではscikit-learnを使い、様々なアルゴリズムの主要な概念に着目する。 (ロジスティック回帰、SVM、決定木等...) 4
5.
5 scikit-learn 活用へのファーストステップ: パーセプトロンのトレーニング
6.
scikit-learn 活用へのファーストステップ ● scikit-learn ●
ユーザフレンドリなインターフェイス ● データの前処理、モデルの調整や評価を行うための関数 6 簡単な データセット データの分割 特徴量の スケーリング 性能指標の 計算
7.
パーセプトロンのトレーニング ● scikit-learnによるパーセプトロントレーニングモデルの比較 7 前章で実装した パーセプトロン scikit-learnで実装した パーセプトロン データセットを標準化した パーセプトロン
8.
8 ロジスティック回帰を使って クラスの確率を予測するモデルの構築
9.
ロジスティック回帰 ● パーセプトロンの学習規則 ● クラスを完全に線形分離できない時は収束しない ●
Epochごとに誤分類されるサンプルが 1つでもあれば、絶えず重みが更新される ● ロジスティック回帰 ● 単純だが、線形分類問題と二値分類問題に対して強力なアルゴリズムである ● パーセプトロン同様、多クラス分類に拡張ができる ● 回帰ではなく分類のためのモデルである 9
10.
ロジスティック回帰 10 オッズは、値の範囲が0から∞だが、 対数オッズは、値の範囲を-∞から+∞に広げることができる ● 対数オッズ● オッズ
11.
ロジスティック回帰 ● Logit関数を使うことで、特徴量の値と対数オッズとの間の 線形関係を表すことができる。 11 シグモイド関数
12.
ロジスティック回帰 ● ADELINEとロジスティック回帰の違い 12 恒等関数が シグモイド関数になった!
13.
ロジスティック回帰 ● クラスラベルの予測 ● シグモイド関数の出力(入力ベクトル
xが与えられた時、yがクラス1に属する確率)を 閾値関数に入力。 13
14.
ロジスティック関数の重みの学習 ● 尤度 ● データセットのサンプルが互いに独立していると仮定して、 ロジスティック回帰モデルの構築時に最大化したい尤度
Lを定義する。 14
15.
ロジスティック関数の重みの学習 ● コスト関数 ● さっきの対数尤度をコスト関数
Jとして書き直す。 15シグモイド関数の出力 コスト
16.
● ADELINEの実装を変換 1. コスト関数の置き換え 2.
活性化関数をシグモイド関数に置き換え 3. 閾値関数を1, -1から0, 1を返すように置き換え ロジスティック回帰の実装 16 独自実装 scikit-learn実装
17.
正則化による過学習への対処 17
18.
正則化による過学習への対処 ● 正則化 ● 極端なパラメータの重みにペナルティを科すためのバイアスを導入するもの。 ●
L1正則化,L2正則化等 ● L2正則化 18
19.
正則化による過学習への対処 ● 正規化されたコスト関数 19
20.
20 サポートベクトルマシンによる 最大マージン分類
21.
サポートベクトルマシンによる最大マージン分類 ● SVM ● 最適化の目的はマージンを最大化すること(パーセプトロンは誤分類率を最小化した) ●
マージンは決定境界とその決定境界に最も近いサンプルとの距離として定義される ● 最も距離の近いサンプルはサポートベクトルと呼ばれる 21
22.
最大マージンを直感的に理解する ● 決定境界のマージンを最大化すると、汎化誤差が小さくなる傾向にある 22 正と負のそれぞれの超平面 正と負の超平面の距離( 最大化したいマージン
) を最小化していく
23.
スラック変数を使ったソフトマージン分類 ● ソフトマージン分類 ● スラック変数ξを加えて,線形分離不可能なデータの線形制約を緩和させたモデル ●
誤分類が存在する状態のまま最適化問題を収束させることができる 23
24.
スラック変数を使ったソフトマージン分類 ● scikit-learnでSVMを実装 24 C =
10.0 C = 0.1 誤分類に対して寛大過ぎた
25.
scikit-learnでの代替実装 ● 使用していたライブラリ ● LIBLINER、LIBSVMは最適化されているので高速 ●
データセットが大きすぎる場合使えないことがある 25
26.
まとめ(前半) ● scikit-learnを使って複数のアルゴリズムを実装した ● ロジスティック回帰 ●
条件付き尤度を最大化する( SVMより外れ値の影響を受けやすい) ● より単純なモデル ● SVM(ハードマージン・ソフトマージン) ● サポートベクトルを見てマージンを最大化する 26
Download now