新規事業のつくり方

新しいことを学ぶことが好きです。今は機械学習や自然言語処理に興味があります。

カテゴリ： Pythonで機械学習

本記事では、機械学習モデルの評価方法を解説します。

機械学習モデルの評価は「ホールドアウト法」と「交差検定（クロスバリデーション）」と「混合行列」が分かれば大丈夫です。Pythonとscikit-learnのコードと合わせて見ていきます。

関連記事：AIエンジニアが教えるゼロから機械学習の勉強法
続きを読む
コメント（0） このエントリーをはてなブックマークに追加

ディープラーニングを、世界一簡単に実装する方法を見つけましたのでご報告します。

参考書籍
[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
Vahid Mirjalili
インプレス
2018-03-16


ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装
ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 [単行本（ソフトカバー）]
斎藤 康毅
オライリージャパン
2016-09-24



続きを読む
コメント（0） このエントリーをはてなブックマークに追加

機械学習のデータ処理周りの実務で、よく使う関数をまとめました。

目次
はじめに
      Pandasとは
      scikit-learnとは
      NumPyは使わないの？
      機械学習の言語はpythonでいいの？
      機械学習（AI開発）の流れ
１．データの準備
      データフレームを定義する(DataFrame)
      csvファイルを読み込む(read_csv)
２．データの前処理
   ＜欠損値編＞
      欠損値をカウントする(isunull)
      欠損値を削除する(dropna)
      欠損値を補完する(Imputer)
   ＜文字列編＞
      文字列データを数値に変換する(map)
   ＜外れ値編＞
      グラフを作成する(plot)
      列の平均値/中央値を出力する(mean/median)
      列の最大値/最小値を確認する(max/min)
３．データの基礎分析
      データから特定の列だけを選択する(iloc/ix)
      データフレームに列を追加する(’カラム名’)
４．特徴量設計
      データを標準化する(StandardScaler)
      相関係数を出力する(corr)
      特徴量データと出力データに分割する(iloc)
      学習データとテストデータに分割する(train_test_split)

続きを読む
コメント（0） このエントリーをはてなブックマークに追加

上司から一言「人工知能について何か考えてみてくれないか」

翻訳すると、「外部環境として他社のＡＩの事例を調べ、内部環境として自社のビジネスプロセスを分析し、ＡＩを導入できそうな領域を特定し、人工知能の開発方法を検討し、導入後にどのくらい収益に貢献するかのストーリーを作ってくれ」 ということです。

数あるムチャ振りの中で、最もムチャ振りな仕事と言えるでしょう。このセリフを言われたら、こう返してください。
「それなら〇〇さんが人工知能に詳しいみたいですよ。」
※〇〇には潰したい人の名前を入れましょう

逃げられなかった人へ
おめでとうございます。あなたは流行の最先端です。一緒にＡＩバブルに踊りましょう。

参考書籍
続きを読む
コメント（0） このエントリーをはてなブックマークに追加

Pythonで人工知能を使ったWebサービスを作ってみます。具体的には、その人がニートかどうかを予測するプログラムです。
今は洗練された機械学習のオープンソースやWebフレームワークが用意されていて、とても簡単に実装できます。初心者の方でも1ヶ月ほど勉強すれば十分出来るようになるのではないでしょうか。
なお今回のWebサイトは、cssなどのデザインが超適当です。。。

順番はこんな感じです。

１．Pythonをインストールする
２．FlaskとWTFormsをインストールする
３．データを用意する
４．予測モデルを実装する
５．予測結果をＨＴＭＬに渡すプログラムを実装する
６．結果を表示するＨＴＭＬを作成する   

参考書籍
続きを読む
コメント（0） このエントリーをはてなブックマークに追加

↑このページのトップヘ