Excite Open Beer Bashで発表を行った資料です。

1. Scikit-learnを使って
画像分類を行う
第一回 excite open beerbash
Womanメディア技術部
本田 新

2. 最近、機械学習がどうやら流行っている

3. こんな本とかもでてる(絶賛読書中)

4. でも、ぶっちゃけハードル高いんじゃないの？

5. 難しいポイント
①機械学習のためのデータづくり
(これが一番むずかしい)
②モデルの選択
(何を使えば一番最適か)

6. 難しいポイント
①機械学習のためのデータづくり
(これが一番むずかしい)
②モデルの選択
(何を使えば一番最適か)
実のところ実装に関しては難しくはない

7. Scikit-learn
pythonの機械学習のオープンソースライブラリ
回帰分析、識別、クラスタリングアルゴリズム等

8. チートシートもある

9. チートシートもある

10. 導入方法(Mac)
pyenv install anaconda3-4.2.0
※バージョンは調べてね

11. 導入方法(Mac)
pyenv install anaconda3-4.2.0

12. 導入方法(Windows)

13. 導入方法(Windows)

14. 導入方法(Windows)

15. 導入方法(Windows)

16. 導入方法(Windows)

17. 画像分類のフロー
“れ”というラベル
“れ”というラベル
入力①
入力②
出力

18. 画像分類のフロー
“れ”というラベル
“れ”というラベル
入力①
入力②
出力

19. Scikit-learnには事前処理されたデータがある
❏ アヤメの種類
❏ 手書き文字画像
❏ ボストンの家の価格
❏ 糖尿病患者のデータ
❏ etc

20. 実際に分類する
1. データセットをインポート
a. 学習用とテスト用にデータを分ける
2. 学習器のインポート
3. 学習
4. テスト

21. データセットをインポート
a. 学習用とテスト用にデータを分ける

22. データセットをインポート
a. 学習用とテスト用にデータを分ける
入力① 入力②

23. データセットをインポート
a. 学習用とテスト用にデータを分ける

24. 学習器のインポート

25. 学習

26. テスト

27. テスト

28. たった11行で学習して精度比較まで行う

29. たった11行で学習して精度比較まで行う