Submit Search
Upload
Python 機械学習入門
•
1 like
•
509 views
孝
孝之 鈴木
Follow
Pythonを使った機械学習の入門編です。 githubでソースも公開予定です。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 15
Download Now
Download to read offline
Recommended
Wacker 8機械学習
Wacker 8機械学習
Kosuke Sugahara
Python&機械学習にHelloWorldして旦那候補を探す
Python&機械学習にHelloWorldして旦那候補を探す
Kiriko Yano
Pythonによる機械学習
Pythonによる機械学習
Kimikazu Kato
Webエンジニアが初めて機械学習に触れてみた話
Webエンジニアが初めて機械学習に触れてみた話
Shohei Tai
mmapパッケージを使ってお手軽オブジェクト管理
mmapパッケージを使ってお手軽オブジェクト管理
Shintaro Fukushima
「Python 機械学習プログラミング」の挫折しない読み方
「Python 機械学習プログラミング」の挫折しない読み方
Hiroki Yamamoto
Outside and inside of PyCon JP 2016
Outside and inside of PyCon JP 2016
Takanori Suzuki
データサイエンスワールドからC++を眺めてみる
データサイエンスワールドからC++を眺めてみる
Shintaro Fukushima
More Related Content
Viewers also liked
面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜
面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜
Hiroki Yamamoto
Pythonで機械学習入門以前
Pythonで機械学習入門以前
Kimikazu Kato
Python勉強会1-はじめに
Python勉強会1-はじめに
理 小林
OpenCVの基礎
OpenCVの基礎
領一 和泉田
OpenCVをAndroidで動かしてみた
OpenCVをAndroidで動かしてみた
徹 上野山
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V7
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V7
Shunsuke Nakamura
「Python言語」はじめの一歩 / First step of Python
「Python言語」はじめの一歩 / First step of Python
Takanori Suzuki
Pythonを使った機械学習の学習
Pythonを使った機械学習の学習
Kimikazu Kato
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
いまさら聞けないselectあれこれ
いまさら聞けないselectあれこれ
lestrrat
OpenCV 3.0 on iOS
OpenCV 3.0 on iOS
Shuichi Tsutsumi
WindowsでPython
WindowsでPython
drillan
Pythonによる機械学習の最前線
Pythonによる機械学習の最前線
Kimikazu Kato
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
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
Viewers also liked
(15)
面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜
面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜
Pythonで機械学習入門以前
Pythonで機械学習入門以前
Python勉強会1-はじめに
Python勉強会1-はじめに
OpenCVの基礎
OpenCVの基礎
OpenCVをAndroidで動かしてみた
OpenCVをAndroidで動かしてみた
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V7
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで V7
「Python言語」はじめの一歩 / First step of Python
「Python言語」はじめの一歩 / First step of Python
Pythonを使った機械学習の学習
Pythonを使った機械学習の学習
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
いまさら聞けないselectあれこれ
いまさら聞けないselectあれこれ
OpenCV 3.0 on iOS
OpenCV 3.0 on iOS
WindowsでPython
WindowsでPython
Pythonによる機械学習の最前線
Pythonによる機械学習の最前線
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
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~
Similar to Python 機械学習入門
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Keisuke Tameyasu
Java Küche Introducing Cognitive Services_20171007
Java Küche Introducing Cognitive Services_20171007
Ayako Omori
20190227 autonomous champion2 no3
20190227 autonomous champion2 no3
HidetomoMiyazawa
Watson summit 公開用
Watson summit 公開用
Izumi Akiyama
福岡市内のベンチャー企業が取り組む最新It技術
福岡市内のベンチャー企業が取り組む最新It技術
Takuya Andou
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
PoCで終わらせない!データ分析・AI活用
PoCで終わらせない!データ分析・AI活用
__john_smith__
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
- Core Concept Technologies
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
Shunsuke Nakamura
ML Sagemaker Dev.IO
ML Sagemaker Dev.IO
__john_smith__
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
Hiroshi Senga
第一回 機械学習
第一回 機械学習
Akira Maegawa
誰でも簡単!機械学習ワークショップ
誰でも簡単!機械学習ワークショップ
Yuta Inamura
1.単純パーセプトロンと学習アルゴリズム
1.単純パーセプトロンと学習アルゴリズム
浩気 西山
Lt 新竹涼太
Lt 新竹涼太
yumi_chappy
【de:code 2020】 学生諸君! Azure であそぼう! ~Microsoft の AI を自作アプリに取り入れるまで~
【de:code 2020】 学生諸君! Azure であそぼう! ~Microsoft の AI を自作アプリに取り入れるまで~
日本マイクロソフト株式会社
【はじめての深層学習 #1】 深層学習とは
【はじめての深層学習 #1】 深層学習とは
kubotaka1
ビジュアルプログラミングで機械学習にチャレンジ
ビジュアルプログラミングで機械学習にチャレンジ
Satoshi Fujimoto
Generative adversarial networks
Generative adversarial networks
Shuyo Nakatani
20181120 ldp ai
20181120 ldp ai
Hiroshi Maruyama
Similar to Python 機械学習入門
(20)
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Java Küche Introducing Cognitive Services_20171007
Java Küche Introducing Cognitive Services_20171007
20190227 autonomous champion2 no3
20190227 autonomous champion2 no3
Watson summit 公開用
Watson summit 公開用
福岡市内のベンチャー企業が取り組む最新It技術
福岡市内のベンチャー企業が取り組む最新It技術
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
PoCで終わらせない!データ分析・AI活用
PoCで終わらせない!データ分析・AI活用
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
ML Sagemaker Dev.IO
ML Sagemaker Dev.IO
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
第一回 機械学習
第一回 機械学習
誰でも簡単!機械学習ワークショップ
誰でも簡単!機械学習ワークショップ
1.単純パーセプトロンと学習アルゴリズム
1.単純パーセプトロンと学習アルゴリズム
Lt 新竹涼太
Lt 新竹涼太
【de:code 2020】 学生諸君! Azure であそぼう! ~Microsoft の AI を自作アプリに取り入れるまで~
【de:code 2020】 学生諸君! Azure であそぼう! ~Microsoft の AI を自作アプリに取り入れるまで~
【はじめての深層学習 #1】 深層学習とは
【はじめての深層学習 #1】 深層学習とは
ビジュアルプログラミングで機械学習にチャレンジ
ビジュアルプログラミングで機械学習にチャレンジ
Generative adversarial networks
Generative adversarial networks
20181120 ldp ai
20181120 ldp ai
Recently uploaded
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
Ayachika Kitazaki
2024 03 CTEA
2024 03 CTEA
arts yokohama
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
Shumpei Kishi
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
Matsushita Laboratory
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
arts yokohama
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
ssuser539845
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
Industrial Technology Research Institute (ITRI)(工業技術研究院, 工研院)
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
Sadao Tokuyama
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
ssuser370dd7
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
arts yokohama
2024 04 minnanoito
2024 04 minnanoito
arts yokohama
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
Tetsuya Nihonmatsu
Recently uploaded
(12)
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
2024 03 CTEA
2024 03 CTEA
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
2024 04 minnanoito
2024 04 minnanoito
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
Python 機械学習入門
1.
テキスト 機械学習について 鈴木孝之 2016/05/20
2.
機械学習とは コンピューターでアルゴリズムを構築し、学習データ を読み込ませることで、自動的に今あるデータを分類 &まだ見ぬデータを予測できるようにするもの ヒトの情報処理能力を超えて、複雑なデータを分類& 予測できるようにするもの
3.
身の回りにある機械学習の事例 スパム判定: メールがスパムか否かを判定 リコメンド:「この商品を買った人はこんな商品も買 っています」 画像認識: Picasaの顔認識機能など
4.
機械学習が得意とする問題 大量のデータを使って、未知のデータを分類 ※少量データなら人間が頑張った方が早い ⚪︎⚪︎という単語があればスパム、というパターンを作 成
5.
機械学習の分類 教師付き 正解データが与えられている 未知のデータに対する予測を行う 教師なし 正解データが与えられていない 未知のデータから規則性を発見する
6.
教師付きと教師なし学習の違い 教師付き 教師なし 画像データがあるだけで、学 習アルゴリズムは、 このデータだけをみてこのデ ータの性質を探ります。 すると、大体0から9までの10 種類のパターンに大きく分け ることができます。 このよう にデータだけからその規則性 を学び取るのが教師なし学習 です。
7.
教師付き学習の学習方法(入力) 入力された値に対して、正解のペアをたくさん用意す る たくさん多ければ多いほうが望ましいが1000以上は 欲しい →データのサンプルあり
8.
教師付き学習の出力の表現 期待する結果を洗い出し、数値化する 数値は意味がある場合と単なるラベリングの場合がある 数値画像の例であれば、0~9の間でラベリングしていく 。 ラベルの例 みかん → 1,
りんご → 2, バナナ → 3, …
9.
今回やること 教師付き学習で積雪の有無を予測する。 気象庁の気象データから、積雪の多い富山県の砺波市の気象デ ータ(CSVファイル)を学習データとして使用 上記の気象庁のサイトでは必要な項目を選べるのですが、気温 、積雪 、風速 、風向
、降水量 を選択しました。 2004年〜2015年3月のデータ 機械学習にはScikit-learnというライブラリを使用する。
10.
Scikit-learnってなに? Pythonで作られた機械学習ライブラリ 無料・有料含めて、コレほど充実したライブラリは他にない 豊富な分類器と(ほぼ)統一化されたAPI 検証作業を支える機能 Numpy, Scipyを使用した高速な演算 http://scikit-learn.org/
11.
CSVデータサンプル 下記のデータが日付の時間ごとで1万行くらいある。 2004/2/1 1:00:00,-0.7,8,1,19,8,1,3.0,8,南南東,8,1,0,8,1 2004/2/1 2:00:00,-2.1,8,1,19,8,1,1.0,8,東,8,1,0,8,1 2004/2/1
3:00:00,-2.7,8,1,19,8,1,1.0,8,南東,8,1,0,8,1 2004/2/1 4:00:00,-0.8,8,1,20,8,1,4.0,8,南南東,8,1,0,8,1 2004/2/1 5:00:00,-0.2,8,1,20,8,1,5.0,8,南南東,8,1,0,8,1 2004/2/1 6:00:00,-3.7,8,1,20,8,1,3.0,8,東,8,1,0,8,1 2004/2/1 7:00:00,-3.3,8,1,19,8,1,2.0,8,南西,8,1,0,8,1 2004/2/1 8:00:00,0.1,8,1,20,8,1,4.0,8,南東,8,1,0,8,1...
12.
実行の流れ ①気象庁のCSVデータを 読み込んで、雪が積もるパターンを学習。 積雪量(cm)を受け取り、 積雪があれば1、なければ0を返す。 ※1レコード単位で積雪フラグが 立つイメージ。 ②各学習モデルのタイプ別にスコアを 計算し、もっともスコアの高い タイプのオブジェクトをインスタンス変数 として残す。 ③リクエストから送られてきた パラメータから今までの情報を元に積雪に なるか予測する。 pythonのシェルを実行
13.
勉強してみた感想 pythonはrubyと似た感じで書ける 「;」と「{}」が無いのに違和感を感じる(笑) 環境構築に詰まった。pythonのライブラリ入れたりと か。
14.
今後やってみたいこと 登録ユーザの属性分析 記事のレコメンド →CSVデータを読み込んで、ラベル付けの基準を書 き換えれば応用ききそう など
15.
参考文献 http://www.slideshare.net/AtsushiKanaya/scikitlearn?n ext_slideshow=1 http://qiita.com/hiroeorz@github/items/997577f0dbbb9 460957d
Download Now