8
概念的に言うと、
教師あり学習: 人間等が付けたラベルによって、教えられた構造を学び取る
教師なし学習: データから規則性を発見して学び取る
という違いになると思います。
もう少し具体的に、0から9までの数字1文字が書かれた画像が沢山あるとしましょう。
この画像一枚一枚に、0から9までのどの数字が書かれているのかというラベルを人間が付けて、それを学習するのが教師あり学習です。
アルゴリズムが、人間の認識を真似るように学習が行われます。
学習が完了した暁には、新しい入力画像に対して、どの数字が書かれているのかを正しく判断できるようになります。
一方で教師なし学習の場合は、画像データがあるだけです。
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、...
5
modelConfig.layer(layer, OutputLayer.Builder()
.nIn(beforeOutputCount)
.nOut(1)
.activation(Activation.SIGMOID)
.weightInit(WeightInit.XAVIER)
.build())
最後の層の出力にSIGMOID関数がかかるので、必ず0~1になります。
データセットの具体例がないので正確にはわかりませんが、売り上げ個数ということで実際は自然数になるはずですが、0~1の範囲で最も近い0.999…になっているのではないでしょうか。
val middleLayerLength = 100
...
4
playerがランダムアクションする確率をexploration=0.1としているようですが,ここが最初から0.1という小さい値で固定されているのがおかしいと思います.
最初からepsilonが小さいとまだ学習していないモデルがたまたま取るアクションについてばかり経験が蓄積されてしまい,学習がうまく進みません.
最初の方は様々なアクションを試して経験を貯め,後の方は学習したモデルで収益を最大化するために,最初はexploration=1.0から始めて特定の値になるまで徐々に減らしていく(例えば,0.1になるまでアクションする度に0.00001ずつ減らしていく)という手法,いわゆるepsilon-greedyがDQNの実装ではよく用いられているようです(実装が簡単だし効果もあるので).
紹介されている「...
4
簡単に結論をいえば、jupyter notebook(それ以外の場合も同じです)でmglearnを使う場合には、!pip install mglearnでインストールして(勿論できていれば必要はないですが)、import mglearnでインポートする必要があります。
ただし、mglearnをインポートする方法としては、import mglearnと明示的にする以外に別の方法があり、「Pythonではじめる機械学習」では、その別の方法を使っています。
02-supervised-learning のコードは以下のようになっています。これだけをみるとJupyter Notebookで X, y = mglearn.datasets.make_forge()と打ち込むと動作するように思うかもしれません。
%...
4
scikit-learnのバージョンによる違いだと思います。私の環境で確認したところ、バージョン0.18では4で、
$ pip install scikit-learn==0.18
Collecting scikit-learn==0.18
Downloading https://files.pythonhosted.org/packages/e9/fc/d923732ac9ddee7eb883d94dd3d127425280c9986ef47bae8656db34fe9f/scikit_learn-0.18-cp35-cp35m-manylinux1_x86_64.whl (11.3MB)
100% |████████████████████████████████| 11.3MB 1.0MB/...
3
質問が漠然としているので回答も漠然としたものになります.
一般に我々は画像の場所を知ることができます.さらに画像の場所がわかれば我々はそれを保存することができます.したがって欲しいたくさんの画像の場所をそれぞれ知ることができれば,それを順に保存して行くことができるでしょう.
画像を取りに行く先の取得に関しては様々な手段があります.例えば flickr は 検索ができる api を整備しているのでこういったものを使ってもいいでしょう.何らかのサイトで表示されている画像を集めたいならいわゆるスクレイピングの範疇になるかもしれません.とにかく色々な方法で,欲しい画像たちの url を手に入れましょう.
保存に関してはそれこそ言語ごとに様々な書きようがあります.簡単には wget や curl ...
3
ここでいうバッチは、処理されるデータの「ひとまとまり」を指してます。バッチサイズ=データサイズ、です。コンピュータ用語での「バッチ」は処理のほうを指すのが一般的で、処理される方を指して言うのはあまり一般的な用法では無いと思います。
バッチは一般的な用語で、計算機分野以外でも使われます。「JCO臨界事故」(俗に「バケツでウラン」事故)でも、バケツ一杯分の原料やそれを処理することを1バッチ、と表現してました。そもそも辞書を見ると「パンや陶器など一焼き分、一窯分」なんて書いてあります。
3
組み込み関数のpnorm()は上限しか引数に取れず、下限を考慮した値は引き算で算出する必用がありましたが、pmvnorm()は上限・下限ともに引数とすることができます。また複数の正規分布を扱う関数なので、引数mean同様、分布の数だけ指定することが出来ます。
(例)
library(mvtnorm)
pnorm(1.5) - pnorm(-0.3) # [1] 0.5511042 (pnormは平均ゼロSD1のデフォ設定です)
pmvnorm(lower = -0.3, upper = 1.5, mean = 0, sigma = diag(1)) # 0.5511042
pnorm(2.2, mean = 1) - pnorm(1.2, mean = 1) # [1] 0.3056706
...
3
本家SOで似た症状に困っていたが解決した人がいました.
https://stackoverflow.com/questions/25750961/tweepy-importerror-cannot-import-name-random
この人によると,同じディレクトリ内にrandom.pyという名前のファイルを置いていて,それを意図せず代わりにimportしていたのが原因だったとのことでした.
チェックしてみてください.
3
Expert になる基準というだけであれば、公式ページに書いてあります: https://www.kaggle.com/progression
Expert
You’ve completed a significant body of work on Kaggle in one or more categories of expertise. Once you’ve reached the expert tier for a category, you will be entered into the site wide Kaggle Ranking for that category.
Competitions: 2 bronze medals
Kernels: 5 ...
3
強化学習は累積報酬を最適化する
まず、強化学習は他のふたつとは最適化しようとしているものが異なります。ラフに書くと、状態の評価関数 f に対し、強化学習は行動を何回もした後の累積報酬 f(x₁) + f(x₂) + ... + f(xₙ) を最大化するための手法であるのに対し、他のふたつは 1 回の報酬を最大にするような値 argmaxₓ f(x) を求めるための手法です。
このため、強化学習では「状態 → 行動」の関数(policy)を求めますが、ベイズ最適化や遺伝的アルゴリズムでは最適な設定値など最大点を求めます。
遺伝的アルゴリズムはヒューリスティクス
ベイズ最適化と遺伝的アルゴリズムは、どちらもブラックボックス最適化であるという意味で、同じフレームワークに属する似た手法です。
...
2
できます。 waifu2x (その解説記事) や Deep Dream (その解説記事) 等から調べると良いのではないでしょうか。
2
このスクリプトは自分自身を import しようとしています。
sklearn という外部のライブラリから import する意図で、from sklearn と書かれていますが、自分のファイル名も sklearn.py なために自分を読み込んでしまうのです。
ファイル名を変更しましょう。
追記: モジュールがどこのファイルから import されているか確認するには、例えば以下のようにします。
import sklearn
print(sklearn.__file__)
2
こんにちは
ご指摘の通り、このFunctionは入力ベクトルxに対してSoftmaxを適用した後、正解ラベルtとの交差エントロピーを取ります。ラベルの数をKとしたとき、xはK次元ベクトルですが、tは1 of K表現ではなく、ラベルのインデックスを整数で表しています。
1について
正解ラベル以外のインデックスに対してはエラー(損失の勾配)が0になるので、エラーを逆伝播する必要がありません。
分布pとqの交差エントロピーは-Σ_i p(i) log q(i)で、今の場合pは、正解ラベルtでp(t)=1で、それ以外の値t'でp(t’)=0という分布です。なので、y=Softmax(x)としyをy=[y1, …, yK]と成分で書くと、交差エントロピーは-log ytとなります。
ある変数zのエラーは損失(...
2
基本的な機能は numpy の arange と同じで、始点・終点・増分を指定して array を生成します。
python 組み込み関数である range の numpy 版、theano 版とでも言いましょうか。
numpy.arange document を見てもらえれば分かると思いますが、
>>> np.arange(3) # 長さ 3 の int 型の array を生成
array([0, 1, 2])
>>> np.arange(3.0) # 長さ 3 の double 型の array を生成
array([ 0., 1., 2.])
>>> np.arange(3,7) # [3, 7) の int 型の array を生成
...
2
もう解決しているかもしれませんが、目的変数が連続値で回帰分析をやる場合はtune(svm, ~~)を用いる必要があった気がします。
2
バッチ(Batch)は、計算機処理の用語です。
計算機で処理をするやり方は、大きく分けて次の2種類になります。
a) データを揃えておいて一気にプログラム処理をする
b) オペレータがプログラムからの出力に応じて、データなどを入力しながら処理をすすめる
バッチ(バッチ処理)はa)のやり方です。 b)のほうはインタラクティブ処理とかリアルタイム処理とか呼ばれます。
Windows等で一連のコマンドを実行するためのファイルの拡張子は".bat"ですが、Batchに由来します。
==
質問のコードに出てくる batchは、複数のデータに対して同じ処理を一気に行う事を意味すると推測されます。
batch_size=len(x_vals_test)
は、...
2
検証データは基本的にハイパーパラメータが正しいか確認するためのものではありません。どのハイパーパラメータの値が最も良いかを探索するために用いられます。すなわち、複数のハイパーパラメータでモデルをそれぞれ学習させ認識精度を比較することで、最も適合するハイパーパラメータを探索するためのデータとして用いられます。
学習による認識モデルは学習を繰り返すと学習データに対して認識精度が100%になるものの、学習データに含まれていない未知のデータに対しては認識精度が学習の途中のモデルよりもむしろ悪くなってしまうという現象が起こります。これを過学習といいます。特にCNNを含むNNのモデルは表現能力が高く、学習データに対して容易に過学習を起こしてしまいます。
このため、...
2
一般論として実装方法や作法を一通り説明すると本一冊必要になります。
ピンポイントな本がありますので紹介しておきます。
Rubyによるクローラー開発技法 ISBN 4797380357
Pythonクローリング&スクレイピング ISBN 4774183679
読んだわけではないので内容は保証できません。また同テーマの本はほかにもあります。
2
機械学習では、学習を早く、うまく進めるための一つの方法として、「バッチ」という考え方が導入されています。これは、すべてのデータを利用して学習を進めるのではなく、データの一部を利用することで計算量を減らそうという考え方です。
そして、学習を進める際に利用するデータの一部(ひとまとめのデータ)を抽象的に「バッチ」と呼び、このときに利用するデータの数を「バッチサイズ」と呼びます。
batch_size=len(x_vals_test)
は、(なぜだかはわかりませんが)テストデータのサイズを、バッチサイズとして扱うということでしょう。
2
xの定義は
IMG_PIXELS = IMG_SIZE * IMG_SIZE * COLOR_CHANNELS # 画像のサイズ*RGB
x = tf.placeholder(tf.float32, shape=[None, IMG_PIXELS])
となっておりますので、feedで与えるべきデータは(?, 28*28*3)の形である必要があります。
batchをどのように取ってきているのかはご提示のコードからではわかりませんが、
ログから見るに色情報なしのデータ(28*28のみ)がflattenされたものを与えている物と思います。
"このコードに合わせるなら"28*28*3のflattenデータを与えなければ動作しません。
ただし、通常は色情報を含めてまであまりflattenしないと思います。
tf....
2
「それぞれの地名が人名に関するものかどうか判定する二値分類問題」は、少なくともこのままだと、統計的機械学習やディープラーニングで扱うよりかは、人手でタグ付けした方が簡単なのではないかと思いました。理由は2つあります。
データ数が少なそう。総務省によると、2017年10月現在の市町村数は1718個だそうです。ただし、区・群の名前や大字・小字の名前まで含めるとなるともっと数は多くなるので、そうなると話は別かもしれません。日本郵便の郵便番号データの数は12万件、国土地理協会の駅名データは9千〜1万件、Wikipedia の「日本の地名」カテゴリに含まれるページ数は1千〜2千件程度のようです。
同じ地名がそれなりの数ある。たとえば Wikipedia によると「豊田町」は13個あります。これらは入力としては(...
2
Asuka さんが質問文で例に挙げている「アイテムベース」の例は、むしろユーザーベースの例だと思います。
ユーザーベース vs アイテムベース
ユーザーベース協調フィルタリングでは、どのユーザーがどのアイテムを買ったかを元に、ユーザー×アイテムの表をデータベースとして持っています。そして新しいユーザー A が商品を買ったとき、どのアイテムを推薦するべきかを A さんと似た購入履歴を持つ ユーザー を探すことで決めます。ユーザー間の関係性をもとに推薦アイテムを決めているので、ユーザーベースです。
対してアイテムベース協調フィルタリングでは、どのユーザーがどのアイテムを買ったかを元に、アイテム間の類似性を示すアイテム×アイテムの表をデータベースとして持っています。そして新しいユーザーが商品 X を買ったとき、...
2
そのリポジトリの作者です。
become_yukarinライブラリの親ディレクトリにパスを通す必要があります。
以下詳細です。
ファイル構造は多分こうなっていると思います。
become_yukarin(親ディレクトリ)
└become_yukarin(モジュールのディレクトリ)
└__init__.py
└他
└scripts
└色々
└他
親ディレクトリに対してパス(環境変数PATHではなく、PYTHONPATH)を通す必要があります。
https://docs.python.jp/3/using/cmdline.html#envvar-PYTHONPATH
pythonは日本語のドキュメントがあります。なんだかんだ役に立つと思います。
https://docs.python.jp/3/...
2
このデータの分析は、Kaggleの初心者向けの有名な課題「Titanic : Machine Learning from Disaster」のタイタニック号の乗客の生存予測とよく似ているので、タイタニック号のデータを使って、ロジスティック回帰分析を簡単にやってみると次のようになります。まず、データマイニングをします。Pclassは、船室の等級で1等、2等、3等があって1等が上級です。
import numpy as np
import pandas as pd
from sklearn.linear_model import LogisticRegression
def load_file_train():
train_df = pd.read_csv("../input/train.csv")
...
2
マイクロソフトも公式でチートシートを出していますよ!
https://docs.microsoft.com/ja-jp/azure/machine-learning/studio/algorithm-cheat-sheet
2
質問のコード中には現れていませんが、log を使っていませんか?
log は、微小な値を引数に与えると -inf を返します。この -inf を元に計算を続けると nan になる場合があります。
log を使っているなら、その引数と返り値をじっくり確認することをお勧めします。
もし log を使っていて、その引数が微小な場合があるなら、下限を設けるのが良いと思います。
コメントを受けて追記。
闇雲に上限下限を設定すると、学習がうまくいかない等の問題を引き起こしかねません。
まずはどこで異常が起きているのかを調べるべきかと思います。
例えば以下のような関数を作り、
def checkvalue(v):
if np.count_nonzero(np.isnan(v)) + np....
2
Pythonではファイル間での変数の共有はできないので、1ファイルでまとめる、データを他の場所(jsonなど)に保管するなどの工夫がいります。
2
Kaggle のデータセットを見たのですが、PClassではなくてPclassのようです。スペルを直して実施してみてください。
test_set.head(2)
Pclass はこのテーブルの左から3カラム目のことを指しており、
train_set['Pclass']
pandas のデータフレームではカラム名でその中身のデータだけを指定することができます。
今回の KeyError とは、データフレーム内にそのキー(カラム名)が存在しないというエラーです。
参照: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.html#pandas.DataFrame
2
色彩工学分野が直接対象でなければ、画像認識・画像生成などの機械学習タスクの文脈での 色空間(color space) と 表色系(color system/model) は同義扱いで十分かと思います。
(もちろん、該当論文内で2つの用語を使い分けているようなら話は別ですが...)
いずれも、ある色(color)情報を3次元ベクトル=3次元色空間上の点として取り扱うという観点では同じです。この3次元空間の3軸の取り方にはRGB(赤・緑・青成分)やHSV(色相・彩度・明度)といったバリエーションがありえますが、空間同士は相互変換が可能です。
表色系の方がいくぶん実践的なニュアンスを持っており、たとえば「マンセル表色系」はHSV色空間に基づきますが、HSV値そのものではなくコード(例7PB 4/10)...
上位に投票された、最小文字数のコミュニティ wiki 以外の回答のみが対象となります
関連するタグ
機械学習 × 168python × 103
深層学習 × 31
python3 × 23
keras × 23
tensorflow × 19
scikit-learn × 17
chainer × 10
pytorch × 10
r × 6
自然言語処理 × 6
pandas × 5
ニューラルネットワーク × 5
numpy × 4
アルゴリズム × 3
画像 × 3
jupyter-notebook × 3
数学 × 3
macos × 2
docker × 2
opencv × 2
anaconda × 2
gpu × 2
kaggle × 2
deeplearning4j × 2