Download to read offline
Uploaded byKatsuhiro Morishita
機械学習（仮）in Mobile conference 2017
鹿児島市で開催されたMobile conference 2017での発表資料です。テーマは機械学習です。仕事で機械学習を使ってみたいけど使ってはいないという人を対象にスライドを作ってみました。あとでちょっとだけ修正するかもしれません。
機械学習（仮）in Mobile conference 2017
- 1.
- 2. ⾃⼰紹介 阿蘇の雲海予報「うんかいったー」やってます https://twitter.com/unkaitter 2 名前 ⽣息地 趣味の⼀つ SNS Facebook https://www.facebook.com/katsuhiro.morishita Github https://github.com/KatsuhiroMorishita SlideSharehttps://www.slideshare.net/katsuhiromorishita/ ⿅児島から北へ新幹線で1時間弱 森下功啓 @KatsuhiroKU 機械学習
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17.
- 18.
- 19. やっと⽬次 • ⾃⼰紹介 • 導⼊ •機械学習って何だ？ • 機械学習の始め⽅と例 ゴールは、明⽇から機械学習 ができるようになること！！ 検索ワードが頭に⼊るだけで もイイカナ？ 19
- 20.
- 21.
- 22.
- 23.
- 24.
- 25.
- 26. 問題の種類と解決⽅法 質問 解決方法 AかBか 識別（判別） 異常か異常検出 どのくらいの量かまたは数か 回帰 どのような構成か クラスタリング 次に何をすべきか 強化学習 ーAzure データ サイエンスが回答する 5 つの質問 https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-data-science-for-beginners-the-5-questions-data-science-answers この他、⾃然⾔語処理（翻訳）や、画像の合成や超解像も 26
- 27. 識別（判別） 代表的な機械学習アルゴリズム • サポートベクターマシーン（SVM） • マージン最⼤化 •ニューラルネットワーク（NN） • ニューロンをモデル化したものを層状にしたもの • 深層学習は主にこの拡張 • ランダムフォレスト（RF） • 多数の決定⽊によるバギング 27 病名を当てたり、表情から感情を判定したり *画像はCNN⼀択
- 28.
- 29. 回帰 29 代表的な機械学習アルゴリズム • サポートベクターマシーン（SVM） • ニューラルネットワーク（NN） •深層学習は主にこの拡張 • ランダムフォレスト（RF） マンションの価格を推定したり、バスの乗降数を予測したり
- 30. クラスタリング 30 代表的な機械学習アルゴリズム • クラスタリング（k-meansとか） • ⾃⼰組織化マップ（SOM） •学習後にマップが得られるので、データ間の近さが視覚化される ⾃動的にデータを分類する
- 31.
- 32.
- 33. 教師あり/なしで⾒る⼿法の分類 33 教師あり学習 教師なし学習 • SVM •NN • RF • LSTM • k-means • SOM • DQN • GA 教師データが必要 教師データは不要 DQNとGAには評価値が必要
- 34. 教師とは？ • 分類・回帰に使うデータは特徴ベクトルともいう • 特徴ベクトルに正解ラベルを付与したものが教師データ •教師が良ければ、良い学習が⾏われる 34
- 35.
- 36. 利⽤上の注意 • それぞれのアルゴリズムは、特徴ベクトルや⽬的に合わ せて多くの種類があります • GANとかDNCとかgcForestとか •やりたいことに近い事をやっているQiitaの記事をよく読 んで、まずはコピペで実⾏してみましょう • 「やってみたいことがあるけど、やり⽅が分からない」 ⽅にはこの後の質疑でお答えします 36
- 37. 利⽤⼿順 学習 • 教師データを作成 • カテゴリデータ（質的データ）は数値に変換 •教師データを学習⽤と検証⽤に分ける • 学習 • 学習成果を保存 予測 • 学習成果を読み込んで、予測する 37
- 38.
- 39. ローカルへの環境構築 1. Pythonをインストール 1. WindowsならAnacondaを推奨 1.https://www.continuum.io/downloads 2. Macならbrew install python3 / pyenv install 3.6.1 2. ライブラリをインストール 1. pip install scikit-learn # Anacondaなら同梱 2. pip install chainer 3. pip install keras 4. pip install tensorflow 39 *NVIDIAのGPUを使うなら、cudaをインストールしておく。 なお、ライブラリ名がちょっと違ったりする Pythonほぼ⼀択
- 40.
- 41.
- 42.
- 43.
- 44.
- 45.
- 46.
- 47. Pythonで機械学習 • ランダムフォレスト（RF）を使う • 必要なライブラリ •Numpy • Scipy • Pandas • scikit-learn • import sklearn # installするときとimportするときで名前が違う 47
- 48.
- 49. 実⾏結果の例 49 • 「ランダム」フォレストなので、結果は毎回微妙に変化 • 学習済みのオブジェクトはバイナリで保存済み •保存したバイナリを読みだせば成果を利⽤できる
- 50.
- 51.
- 52. 利⽤⼿順 学習 • 教師データを作成 • カテゴリデータ（質的データ）は数値に変換 •教師データを学習⽤と検証⽤に分ける • 学習 • 学習成果を保存 予測 • 学習成果を読み込んで、予測する 52
- 53.
- 54.
- 55.
- 56.