人工知能– 記事一覧 –

【前回】043_予測させてみよう（ここをクリック） 前回までの学習で、いまいちデータを理解できていない人も少なくないとおもいます。下のしましまの棒を学習するときのそれぞれの違いを可視化してみましょう！ 【】 今回の学習データの説明変数は64個、つ...

【前回】042_数字の画像を読みこんで表示させてみよう（ここをクリック） 前回で、画像を表示し、色の濃さを確認することができたので、今回は色の濃さを17段階に分けて予測をしてみましょう！ 【】 前回確認した色の濃さである0〜255のデータをを 16.0〜0...

【前回】041_学習用データを準備し、学習させてみよう（ここをクリック） 学習ができたので、ついに予測をさせてみましょう！ 【】 以下の手順で準備を行っていきましょう。 STEP画像ファイルをノートブックにアップロード STEP画像を読み込み、グレースケ...

【前回】040_手書きの数字の学習準備を行おう（ここをクリック） 前回でデータの準備ができたので、ここで少し「学習・予測方法」を整理してみましょう。 【】 【】 digits.data：数字の画像データdigits.target：なんの数字か問題としてdigits.dataを渡し...

【前回】039_【クラスタリング】k-means（k平均法）（ここをクリック） 今回から、手書きの数字の画像データを用いて学習をさせて予測までさせる方法について学んでいきましょう！ 今回の目的は「画像に書かれている数字がなんの数字なのかを予測する人工...

【前回】038_【分類】k-NN（k近傍法）（ここをクリック） 【】 k-means（k平均法）とは、k近傍法と同じく近くにあるデータは仲間という考え方を扱うアルゴリズムです。k近傍法と違う点は、データ全体をグループ分けするという点です。近い者同士でグループ...

【前回】037_【分類】ランダムフォレスト（ここをクリック） 【】 k-NN（k近傍法）とは、近くにあるデータは仲間という考え方で、調べたい値の近くにあるデータを調べて何の仲間かを予測するアルゴリズムである。 なぜ近いと仲間となるの？散布図で見たと...

【前回】036_【分類】決定木のツリー構造（ここをクリック） 【】 ランダムフォレストとは決定木の予測精度をより上げるために考えられた分類方法です。 簡単に説明すると、決定木をたくさん作って多数決で予測する制度の高いアルゴリズムということです！...

【前回】035_【分類】決定木（ここをクリック） 【】 前回使ったデータをそのまま使用して分岐の深度を最大２にしたモデルを使って学習してみましょう！ 【】 #1　分岐の深度を最大2にすして、訓練データで決定木の学習モデルを作成 #2　テストデータで正...

【前回】034_【分類】SVM（サポートベクターマシン）の非線形分類（ここをクリック） 【】 決定木とは、2択の質問の分岐を繰り返して分類を行うアルゴリズムです。YESかNOの2択の質問で分岐を行うので、私たち人間にとってとてもわかりやすいアルゴリズム...