Submit Search
Upload
機械学習
•
11 likes
•
8,335 views
Hikaru Takemura
Follow
某研究室のM1が,B4向けに機械学習の講義を行った際のスライドです.
Read less
Read more
Technology
Report
Share
Report
Share
1 of 25
Download now
Download to read offline
Recommended
協調フィルタリング with Mahout
協調フィルタリング with Mahout
Katsuhiro Takata
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
Akifumi Eguchi
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
Pythonによる機械学習
Kimikazu Kato
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
統計学勉強会#2
統計学勉強会#2
Hidehisa Arai
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
機械学習 入門
機械学習 入門
Hayato Maki
Recommended
協調フィルタリング with Mahout
協調フィルタリング with Mahout
Katsuhiro Takata
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
Akifumi Eguchi
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
Pythonによる機械学習
Kimikazu Kato
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
統計学勉強会#2
統計学勉強会#2
Hidehisa Arai
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
機械学習 入門
機械学習 入門
Hayato Maki
人工知能の概論の概論とセキュリティへの応用(的な~(改)
人工知能の概論の概論とセキュリティへの応用(的な~(改)
Typhon 666
ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
horihorio
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
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
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
KSK Analytics Inc.
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
Yuya Unno
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Preferred Networks
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Preferred Networks
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Yuya Unno
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Yuya Unno
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
機械学習CROSS 前半資料
機械学習CROSS 前半資料
Shohei Hido
開発者からみたTensor flow
開発者からみたTensor flow
Hideo Kinami
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
予測型戦略を知るための機械学習チュートリアル
予測型戦略を知るための機械学習チュートリアル
Yuya Unno
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
Takashi J OZAKI
いまさら聞けない機械学習の評価指標
いまさら聞けない機械学習の評価指標
圭輔 大曽根
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Hisao Soyama
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜
Yuya Unno
Sakusaku svm
Sakusaku svm
antibayesian 俺がS式だ
はじパタLT2
はじパタLT2
Tadayuki Onishi
More Related Content
What's hot
人工知能の概論の概論とセキュリティへの応用(的な~(改)
人工知能の概論の概論とセキュリティへの応用(的な~(改)
Typhon 666
ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
horihorio
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
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
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
KSK Analytics Inc.
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
Yuya Unno
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Preferred Networks
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Preferred Networks
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Yuya Unno
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Yuya Unno
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
機械学習CROSS 前半資料
機械学習CROSS 前半資料
Shohei Hido
開発者からみたTensor flow
開発者からみたTensor flow
Hideo Kinami
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
予測型戦略を知るための機械学習チュートリアル
予測型戦略を知るための機械学習チュートリアル
Yuya Unno
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
Takashi J OZAKI
いまさら聞けない機械学習の評価指標
いまさら聞けない機械学習の評価指標
圭輔 大曽根
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Hisao Soyama
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜
Yuya Unno
What's hot
(20)
人工知能の概論の概論とセキュリティへの応用(的な~(改)
人工知能の概論の概論とセキュリティへの応用(的な~(改)
ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
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
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatusにおける大規模分散オンライン機械学習
Jubatusにおける大規模分散オンライン機械学習
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
機械学習CROSS 前半資料
機械学習CROSS 前半資料
開発者からみたTensor flow
開発者からみたTensor flow
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
予測型戦略を知るための機械学習チュートリアル
予測型戦略を知るための機械学習チュートリアル
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
いまさら聞けない機械学習の評価指標
いまさら聞けない機械学習の評価指標
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
Pythonによるソーシャルデータ分析―わたしはこうやって修士号を取得しました―
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜
Similar to 機械学習
Sakusaku svm
Sakusaku svm
antibayesian 俺がS式だ
はじパタLT2
はじパタLT2
Tadayuki Onishi
Maeshori missing
Maeshori missing
Daisuke Ichikawa
2014/5/29 東大相澤山崎研勉強会:パターン認識とニューラルネットワーク,Deep Learningまで
2014/5/29 東大相澤山崎研勉強会:パターン認識とニューラルネットワーク,Deep Learningまで
Hokuto Kagaya
エンジニアのための機械学習の基礎
エンジニアのための機械学習の基礎
Daiyu Hatakeyama
修士論文発表:「非負値行列分解における漸近的Bayes汎化誤差」
修士論文発表:「非負値行列分解における漸近的Bayes汎化誤差」
Naoki Hayashi
Nips20180127
Nips20180127
WEBFARMER. ltd.
深層学習 - 画像認識のための深層学習 ②
深層学習 - 画像認識のための深層学習 ②
Shohei Miyashita
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
Yuya Unno
[DL輪読会]10分で10本の論⽂をざっくりと理解する (ICML2020)
[DL輪読会]10分で10本の論⽂をざっくりと理解する (ICML2020)
Deep Learning JP
20180830 implement dqn_platinum_data_meetup_vol1
20180830 implement dqn_platinum_data_meetup_vol1
Keisuke Nakata
深層学習 - 画像認識のための深層学習 ①
深層学習 - 画像認識のための深層学習 ①
Shohei Miyashita
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
Shuyo Nakatani
Deep learningbook chap7
Deep learningbook chap7
Shinsaku Kono
Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vi...
Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vi...
Yoshitaka Ushiku
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
y-uti
数式を使わない機械学習超入門 〜Support Vector Machine 解説編〜
数式を使わない機械学習超入門 〜Support Vector Machine 解説編〜
Shu Sakamoto
言語資源と付き合う
言語資源と付き合う
Yuya Unno
順序データでもベイズモデリング
順序データでもベイズモデリング
. .
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Seiya Tokui
Similar to 機械学習
(20)
Sakusaku svm
Sakusaku svm
はじパタLT2
はじパタLT2
Maeshori missing
Maeshori missing
2014/5/29 東大相澤山崎研勉強会:パターン認識とニューラルネットワーク,Deep Learningまで
2014/5/29 東大相澤山崎研勉強会:パターン認識とニューラルネットワーク,Deep Learningまで
エンジニアのための機械学習の基礎
エンジニアのための機械学習の基礎
修士論文発表:「非負値行列分解における漸近的Bayes汎化誤差」
修士論文発表:「非負値行列分解における漸近的Bayes汎化誤差」
Nips20180127
Nips20180127
深層学習 - 画像認識のための深層学習 ②
深層学習 - 画像認識のための深層学習 ②
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
[DL輪読会]10分で10本の論⽂をざっくりと理解する (ICML2020)
[DL輪読会]10分で10本の論⽂をざっくりと理解する (ICML2020)
20180830 implement dqn_platinum_data_meetup_vol1
20180830 implement dqn_platinum_data_meetup_vol1
深層学習 - 画像認識のための深層学習 ①
深層学習 - 画像認識のための深層学習 ①
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
Deep learningbook chap7
Deep learningbook chap7
Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vi...
Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vi...
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
数式を使わない機械学習超入門 〜Support Vector Machine 解説編〜
数式を使わない機械学習超入門 〜Support Vector Machine 解説編〜
言語資源と付き合う
言語資源と付き合う
順序データでもベイズモデリング
順序データでもベイズモデリング
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Recently uploaded
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
iPride Co., Ltd.
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
iPride Co., Ltd.
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
Shota Ito
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
osamut
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
Atomu Hidaka
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
furutsuka
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
Recently uploaded
(9)
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
機械学習
1.
プログラミング輪講
機械学習 @pika_shi
2.
機械学習とは l ⼈人間が⾏行行うパターン認識則や経験則
を,コンピュータで実現させる l サンプルデータ集合を対象に解析を ⾏行行い,そのデータから有⽤用な規則, ルールを抽出する 2
3.
検索エンジンとの関係 l ランキングの改良
(例)どのページがユーザにとって好ましいかを,過去のクリックの履 歴により分析 Webページ 問い合わせ クエリ 検索 エンジン クリック 索引 DB フィード PageRank バック ランキングされた検索結果 3
4.
機械学習の例 l 教師あり学習
l 教師なし学習 決定⽊木 ナイーブ・ベイズ K-means SVM 主成分分析 パーセプトロン 強化学習 4
5.
SVM
6.
SVMとは? l 現在最も識別性能の⾼高い分類器の1つ l ⾼高次元でもうまく分類できるので,複雑な問題に適⽤用され
ることが多い l 顔の表情の分類 l ⼿手書き⽂文字認識 l 地震による被害規模の予測 l 僕の研究 l Pythonのライブラリ l LIBSVM http://www.csie.ntu.edu.tw/~cjlin/libsvm/ l SVM-Light http://svmlight.joachims.org/ 6
7.
SVMの学習 l マージン最⼤大化により識別線を決定
7
8.
カーネルトリック l 訓練データを⾼高次元空間に写像し、その写像された空間上
で線形分離を⾏行行う 8
9.
LIBSVMを使う >> from svm
import * >> from svmutil import * >> >> # 訓練データ >> problem = svm_problem([1,-1], [[0,0], [1,1]]) >> # パラメータの設定 (カーネルの種類など) >> # 多クラスSVMや,クロスバリデーションなども引数で設定可能 >> prameter = svm_parameter(‘-t 2 –h 0’) >> # 訓練 >> m = svm_train(problem, parameter) >> # 予測 >> predict = svm_predict([1,-1], [[-1, 0],[3, 3]], m) >> predict[0] [1.0, -1.0] 9
10.
パーセプトロン
11.
パーセプトロンとは? l ⼈人間の視覚・脳の機能をモデル化した分類器
11
12.
パーセプトロンの学習能⼒力力 l パーセプトロンは⾮非線形分離が不可能
l AND,OR,XORのうち不可能なのは? 多層パーセプトロン なら可能! 12
13.
多層パーセプトロン l 中間層(隠れ層)をもち,⾮非線形分離も可能に
13
14.
バックプロパゲーション(誤差逆伝播法) l 分類器の精度をより⾼高めるために,出⼒力力結果から重みを調
整していく l ネットワーク内の重みを調整しながら,後ろに伝わってい く l 今回の課題で実装してもらいます(クリックデータの学習) 14
15.
過学習 l 学習しすぎて,逆に学習能⼒力力が低下 l
中間層を多くしすぎた時などに⽣生じる 15
16.
SVMとの⽐比較 l パーセプトロンとSVMはどっちが汎化能⼒力力が⾼高い?
16
17.
決定⽊木
18.
決定⽊木 l 意思決定を⾏行行うための学習モデル
学年 B4 M1 B5 学年 ⾃自宅 or 下宿 早起き ソフト ⾃自宅or下宿 ⾏行行く ⾃自宅or下宿 B4 下宿 得意 ⾏行行く B4 下宿 苦⼿手 ⾏行行く 下宿 ⾃自宅 下宿 ⾃自宅 B4 ⾃自宅 苦⼿手 ⾏行行かない ⾏行行く ⾏行行かない ⾏行行く ⾏行行かない B5 下宿 苦⼿手 ⾏行行く M1 下宿 得意 ⾏行行く ⾃自宅or下宿 M1 ⾃自宅 得意 ⾏行行かない 下宿 ⾃自宅 ⾏行行く ⾏行行かない 18
19.
決定⽊木とは? l どっちの決定⽊木がよい?
学年 ⾃自宅or下宿 B4 M1 B5 下宿 ⾃自宅 ⾃自宅or下宿 ⾏行行く ⾃自宅or下宿 ⾏行行く ⾏行行かない 下宿 ⾃自宅 下宿 ⾃自宅 簡単なものほどよい ⾏行行く ⾏行行かない ⾏行行く ⾏行行かない (オッカムの剃⼑刀) l 情報理論(エントロピー),ジニ係数などを⽤用いて簡単な決 定⽊木を求めることができる 19
20.
決定⽊木のライブラリ l Pythonのライブラリ
l scikit-learn http://scikit-learn.sourceforge.net/dev/modules/ tree.html l 多クラス分類はSVMより決定⽊木の⽅方がうまくいくことが多 い l 逆に2クラス分類はやはりSVMには精度は及ばない 20
21.
scikit-learnを使う >> from sklearn
import tree >> >> # 訓練データ >> samples = [[0, 0], [1, 1]] >> # クラス >> values = [0, 1] >> # 訓練 >> clf = tree.DecisionTreeClassifier() >> clf = clf.fit(samples, values) >> # 予測 >> clf.predict([2, 2]) array([1]) 21
22.
ナイーブ・ベイズ
23.
ナイーブ・ベイズとは? l 確率モデルに基づいた分類器 l
⽂文書分類,診断などに⽤用いられることが多い 通常メール スパムメール 飲み会 当選 旅⾏行行 おめでとう 出会い l 次のメールはスパム? l 最近出会いがなくて寂しい.誰か飲み会開いて! l 出会いがなくて寂しいそこのあなた!このサイトに登録すればモテ モテですよ. 23
24.
その他 l 不均衡データ問題 (imbalanced
data) l 識別器の訓練データに⼤大きなクラスの偏りがある場合,⼤大きいクラ スに流されてしまう l 対策としては,⼤大きい⽅方のクラスサイズを⼩小さい⽅方に合わせる,ま たはその逆が⼀一般的 l アンサンブル学習 (ensemble learning) l 識別器を複数組み合わせて,⾼高精度の識別器を作成 l うまく作成できれば,識別器の能⼒力力を120%引き出すことができる 24
25.
課題
Download now