Submit Search
Upload
Python 機械学習入門
•
Download as PPTX, PDF
•
1 like
•
510 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
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
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
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
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__
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
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
Recently uploaded
(8)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
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