記事一覧
Pythonを用いた機械学習21日目
前回は、ニューラルネットワークの重みを誤差逆伝播で求めるプログラムを学んだ。今回は、モデル評価についてと練習問題にとり組む。
前回の内容はこちらからどうぞ。
*交差検証ニューラルネットワークの重みなどのパラメータを学習してテストデータでどれだけ良い結果がでても、実際に使おうとして正しい結果が得られないこともある。そこで、学習したデータと別のデータを使ってその精度を確認する(モデル評価)。
一
Pythonを用いた機械学習20日目
前回は一次関数を使って誤差を小さくしていく方法(損失関数が最小になる重みを見つけること)を学んだ。今回はニューラルネットワークにおける誤差を小さくする方法について学習していく。
前回の内容はこちらからどうぞ。
*誤差逆伝播
ニューラルネットワークにおいて、入力と出力の間に中間層を挟み、それぞれの接続にバイアスを考慮する。入力があり、1ないし複数のニューロンを経て出力にいたる。そこに最適な重み
Pythonを用いた機械学習19日目
今回は回帰分析について学ぶ。
前回の学習内容はこちらからどうぞ。
1.一次関数による予測例えば、データが一次関数に近いと仮定すると、求める関数はf(x)=ax+bとなる。
一般的なデータはきれいに一次関数に従うわけではなく、誤差が生じる。その誤差を最小にするため、「最小二乗法」をもちいる。
複数のa,bの組み合わせで、(y-f(x))^2を求め、その合計が0になることを理想として、なるべく
Pythonを用いた機械学習18日目
第4章の関数と微分をいっきに学習していく。
1.関数関数には、一次関数、二次関数、指数関数や三角関数がある。これらに共通するのは、入力値を1つ決めると、出力が1つ決まること。
*y=2x+1という一次関数を実装したコード
>>> def func(x):... return 2 * x + 1... >>> print(func(-2))-3>>> print(func(1))3
Pythonを用いた機械学習17日目
行列と写像、連立方程式(①)、練習問題(逆行列を求める、連立方程式を解く②)を解いてみる。
1.行列と写像、連立方程式*線形写像・・・行列を掛ける操作のこと
*連立方程式をプログラムで解くコード
>>> import numpy as np>>> A = np.array([[2,3],[-1,4]])>>> B = np.array([7,2])>>> >>> print(np.linal
Pythonを用いた機械学習16日目
転置行列(①)と逆行列(②)について学んでいく。
前回の復習はこちらからどうぞ。
1.転置行列*転置行列(てんちぎょうれつ)・・・もとの行列の行と列を入れ替えた行列のこと。
転置行列をさらに転置すると、もとの行列にもどる。
対称行列
直交行列(以下のU)もとの行列と転置した行列を掛けると単位行列となる行列
2.逆行列行列Aに対して、右から掛けても左から掛けても単位行列Eになるような行列
Pythonを用いた機械学習15日目
多次元のデータを扱う行列の足し算引き算(①)と、特徴的な掛け算(②)について学んでいく。
前回の内容はこちら。
0.行列の基礎*行と列・・・行列は、その要素の横方向を「行」、縦方向を「列」という。例えば、以下の行列Aは、2行3列の行列という。
*正方行列・・・行の数と列の数が同じ行列のこと。以下の行列Bは、2次の正方行列、行列Cは3次の正方行列という。
1.行列の足し算と引き算2つの行列の
Pythonで(ゲーム攻略のための)スコアを計算してみた
今回はかんたんなメモです。今まで個人的にエクセルでちまちまと作っていた愛ゲーム用のスコア計算コードをPythonで実装する際に調べたこと(データの出力と入力)をまとめます。
・データの出力Pythonで出力を行うときには、多くの言語と同じように、プリント文を使用する。また、数字の出力と文字列の出力を混ぜて行うときには、数字を文字列に変換し連結してあげること。
a = 12>>> >>> pri
Pythonを用いた機械学習14日目
前回からベクトルや行列について学習している。今回は、ベクトルの和と大きさ(①)、ベクトルの内積(②)について学んでいく。
前回の内容はこちらからどうぞ。
1.ベクトルの和と大きさベクトルの足し算は、各要素をそれぞれ足していくだけ。
例題)以下の2つのベクトルの和を求める
解答)
ベクトルの大きさを表すときは、ベクトル記号の両端を「|」で囲う。ベクトルの大きさは三平方の定理で求められる。
Pythonを用いた機械学習13日目
本日から、ベクトルや行列について学んでいく。大量のデータを扱う機械学習では、効率よく扱えるようデータ構造を工夫する必要がある。ここでは、ニューラルネットワークで使われるベクトルと行列の概要をとらえる。
前回の記事はこちらからどうぞ。
0.用語整理*スカラー・・・数値を表現するときに使う整数や小数などの大きさのみを表す量である。例)「2」「−1」「1.5」など
*ベクトル(ベクター)・・・大き
Pythonを用いた機械学習12日目
本日は、練習問題(生徒のテストの点数という模擬データの偏差値を求める)(①)ことと、練習問題(パラメトリックな手法を使って、ランダムに生成した点が扇型に入っている割合を求める)(②)に取り組む。
前回の内容はこちらからどうぞ。
1.模擬データの偏差値を求める問題)学校でテストを実施したところ、20人の生徒の点数は以下のとおりになった。これらの生徒の偏差値を求めよ。
ヒント)偏差値は、平均50
Pythonを用いた機械学習11日目
これまで機械学習に必要な数学の知識として、数列や確率について学んできた。今回は、大量のデータから標本を取り出すため乱数を生成したり、生成したデータが正規分布に従うのか確認したりしてみる。
前回の学習はこちらからどうぞ。
0.標本と推定*推測統計学・・・母集団の一部(標本)を使って、母集団の情報(平均や分散)を推測すること
*点推定・・・標本平均を求めて、母平均も同じだとみなす考えかた
*区