画像認識について知りたいなら『画像認識』(著:原田達也先生)がお勧め!

画像認識について勉強したかったため、機械学習プロフェショナルシリーズの『画像認識』を読んでみました。300ページ近くありますので、他の機械学習プロフェショナルシリーズより、少し長めです。しかしその分、画像認識の様々な手法が網羅されている印…

DeepMindのSilver氏の強化学習の講義動画シリーズを観てみた

強化学習の勉強を始めるために、DeepMindのDavid Silver氏の強化学習の講義を録画した動画を観てみました。「強化学習の勉強をするならコレだ!」と色んなところでお勧めされていたので、ずっと気になっていました。UCLの強化学習の講義を録画したもので、全…

Chainerにサクッと親しむ『Chainerによる実践深層学習』がオススメ

Chainerによる実践深層学習を読んでみました。Chainerにサクッと親しむためには非常にコスパの良い本でしたので、ここで少し内容をまとめておきたいと思います。内容としては、Chainerの使い方(NumPyの復習から始まり、オブジェクトやChainクラス、Irisを用…

交差検証法の説明と実装

良いモデルを選択したい! 与えられたデータに対して学習アルゴリズムを適用しようとするときに、どのようなモデルを選択するべきなのか、ということを考えなければなりません。例えば線形モデルを適用する場合は基底関数の種類や数を決めないといけないです…

K平均法によるクラスタリング

今回はK平均法を紹介します。 『はじめてのパターン認識』の表記を参考に話を進めていくと、次元の個のデータがあり、とします。この時、データの類似度を基に、個のクラスタに分類する方法です。は予め決まったクラスタ数で、データの特性から判断しモデル…

Pythonで0〜9の手書き数字画像データに慣れる!

今回は、手書き数字の画像データを扱うことに慣れることを目標にした記事です。データの読み込みや表示、各ラベルの平均値の取得・表示、PCAの実施と可視化などを取り上げました。まずは、sklearn.datasetsからload_digitsをインポートして、図を作成しまし…

Pythonで勾配法を実装してみました。

今回はこの本に出てくる勾配法を実装します。 www.amazon.co.jp 1変数の場合 第3章のアルゴリズム3.1(1変数の勾配法)を、Pythonで実装してみました。gradient_descentは比較のために書いています。本に登場するのはgradient_descent_2の方です。 import n…

Lasso, Ridge, Elastic Netのグラフ

Pythonで図形を書く練習として、Lasso、Ridge、Elastic Netの3種類の正則化項をグラフに書いてみました。Elastic Net正則化項は、として、ノルムとノルムをとの比率で組み合わせています。中心から順番に、Lasso、Elastic Net()、Elastic Net()、Elastic …

Pythonで標準化、無相関化、白色化を実装

www.amazon.co.jp この本の第4章に出てくるグラフを実装しました。次の順番で説明していきます。 データの準備、確認 アヤメデータの標準化 アヤメデータの無相関化 アヤメデータの白色化 データの準備、確認 データ等の準備を行います。今回は教科書に合わ…

Pythonでニュートン法を実装しました。

この本のニュートン法を実装していきます。 www.amazon.co.jp 1変数の場合 第3章のアルゴリズム3.3(1変数のニュートン法)を、Pythonで実装してみました。 import numpy as py def f(x): return - x ** 3 def f_p(x): return - 3 * x ** 2 def f_pp(x): re…

Pythonで混合モデルの教師なし学習アルゴリズムを実装しました。

www.amazon.co.jp この本の第5章(統計的最適化)のクラス分類問題のところです。 というデータを、教師データを使わずに、k個のクラス(ここでは2クラス)に分類します。各データが両方のクラスにまたがってある確率で所属していると考え、はデータがクラ…

Pythonをゼロから勉強する方法とお勧めの参考書

今回はPythonを対象にした、初学者対象の勉強方法を紹介します。私自身は決して上級者ではありませんが、Pythonに興味を持っていてやってみたい、という人からよく質問されるので、少しだけまとめてみました。 最初は、とっても簡単な本を読もう! www.amazo…

確率・統計学をゼロから勉強する方法とお勧めの参考書

今回は、確率・統計学をゼロから勉強する方法についての記事です。私が今まで読んできた確率・統計学の参考書の中で、初学者にお勧めの物を学習効果が高まる順番で紹介していきます。 数理統計学の基礎〜よく分かる予測と確率変数〜 www.amazon.co.jp 題名に…

微分積分をゼロから勉強する方法とお勧めの参考書

今回は、大学での微分積分をゼロから勉強する方法を紹介していきます。ゼロと言っても、高校の数学Ⅰ、数学Ⅱは最低限、学習したことがあることが望ましいですね。数学Ⅲの経験があればさらに良いです。 以下の本で微分積分の基礎が身につくと思います。ただし…

線形代数をゼロから勉強する方法とお勧めの参考書

線形代数をゼロから勉強したいと思っている人は多いと思います。高校を卒業したばかりで大学に入る前に先取りしたい学生、数学を勉強し直したいエンジニアやマーケター、データ解析や機械学習の分野に参入する前に前提となる基礎を身に着けたい人、その他科…

ロジスティック回帰モデルの簡単な例

ロジスティック回帰とは? 線形識別関数の場合には、識別境界から離れるほど出力の絶対値が大きくなり続けます。しかし、少し違った関数として、出力を区間(0,1)に制限するような関数があればどうでしょうか?今回のトピックのロジスティック回帰はそのよう…

2次元正規分布サンプリングと確率等高線の図示

2次元正規分布からデータをサンプルしよう! 正規分布からサンプリングするにはどうすればよいのでしょうか?1次元の場合はすぐに実装できますが、2次元正規分布の場合は、共分散を考慮しないといけないので、少しサンプル方法がトリッキーになります。とを…

ピマ・インディアンデータを用いた識別関数

データの準備:散布図を作成しよう! ピマ・インディアンのデータを利用します。RのMASSパッケージを用いると、200名のピマ・インディアンの女性の糖尿病診断に関する学習データ(Pima.tr)と、332名のテストデータ(Pima.te)が簡単に取得できるため、Rから…