さあ、未来へ旅立とう

日々のこと、チーム紹介

  • 11 Oct. 2016

    機械学習ことはじめ

    CATEGORYBlog 日記 TAG

    ビックデータ、AI、ディープラーニングと騒がれて早数年
    今後お仕事が無くなる恐怖と戦っている人もいるんじゃないかと思います。
    私もそんな一人です。

    ■機械学習の色々

    □機械学習全般
    ・線形回帰
    ・ロジスティック回帰
    ・単純パーセプトロン
    ・SVM(サポートベクターマシン)
    ・決定木
    ・ランダムフォレスト
    ・ナイーブベイズ(単純ベイズ)
    ・k近傍法
    ・K-means(K平均法)

    □深層学習系(ディープラーニング)
    ・ニューラルネットワーク(NN,多層パーセプトロン)
    ・畳み込みニューラルネットワーク(CNN)
    ・再帰型ニューラルネットワーク(RNN)
    ・ディープボルツマンマシン
    ・積層自己符号化器

    □強化学習

    ■用語
    □教師あり学習、教師なし学習
    □未学習、過学習
    □バイアス、バリアンス
    □目的関数、損失関数、誤差関数
    □次元削減(次元の呪い)
    □特徴量(数値、カテゴリ)
    □訓練データ、テストデータ
    □ハイパーパラメータ
    □グリッドサーチ
    □欠損値

    ■ライブラリ・フレームワーク
    □scikit-learn(機械学習)
    □TensorFlow(ディープラーニング)
    □Chainer(ディープラーニング)
    □Caffe(ディープラーニング)
    □Theano(ディープラーニング)

    ディープラーニングはGPU(CUDA)がハイスペックじゃないときついのでscikit-learnする

    ■環境
    □anaconda
    ・scikit-learn
    ・numpy
    ・pandas
    ・jupyter (ipython)
    ・matplotlib
    ・seaborn
    (その他必要に応じて)

    ■hello scikit-learn
    とりあいずscikit-learnの公式からそのまんま実行
    大体メジャーなやつが実行されてます。

    import numpy as np
    import matplotlib.pyplot as plt
    from matplotlib.colors import ListedColormap
    from sklearn.model_selection import train_test_split
    from sklearn.preprocessing import StandardScaler
    from sklearn.datasets import make_moons, make_circles, make_classification
    from sklearn.neural_network import MLPClassifier
    from sklearn.neighbors import KNeighborsClassifier
    from sklearn.svm import SVC
    from sklearn.gaussian_process import GaussianProcessClassifier
    from sklearn.gaussian_process.kernels import RBF
    from sklearn.tree import DecisionTreeClassifier
    from sklearn.ensemble import RandomForestClassifier, AdaBoostClassifier
    from sklearn.naive_bayes import GaussianNB
    from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
    %matplotlib inline 
    h = .02  # step size in the mesh
    
    names = ["Nearest Neighbors", "Linear SVM", "RBF SVM", "Gaussian Process",
             "Decision Tree", "Random Forest", "Neural Net", "AdaBoost",
             "Naive Bayes", "QDA"]
    
    classifiers = [
        KNeighborsClassifier(3),
        SVC(kernel="linear", C=0.025),
        SVC(gamma=2, C=1),
        GaussianProcessClassifier(1.0 * RBF(1.0), warm_start=True),
        DecisionTreeClassifier(max_depth=5),
        RandomForestClassifier(max_depth=5, n_estimators=10, max_features=1),
        MLPClassifier(alpha=1),
        AdaBoostClassifier(),
        GaussianNB(),
        QuadraticDiscriminantAnalysis()]
    
    X, y = make_classification(n_features=2, n_redundant=0, n_informative=2,
                               random_state=1, n_clusters_per_class=1)
    rng = np.random.RandomState(2)
    X += 2 * rng.uniform(size=X.shape)
    linearly_separable = (X, y)
    
    datasets = [make_moons(noise=0.3, random_state=0),
                make_circles(noise=0.2, factor=0.5, random_state=1),
                linearly_separable
                ]
    
    figure = plt.figure(figsize=(27, 9))
    i = 1
    # iterate over datasets
    for ds_cnt, ds in enumerate(datasets):
        # preprocess dataset, split into training and test part
        X, y = ds
        X = StandardScaler().fit_transform(X)
        X_train, X_test, y_train, y_test = \
            train_test_split(X, y, test_size=.4, random_state=42)
    
        x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
        y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5
        xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                             np.arange(y_min, y_max, h))
    
        # just plot the dataset first
        cm = plt.cm.RdBu
        cm_bright = ListedColormap(['#FF0000', '#0000FF'])
        ax = plt.subplot(len(datasets), len(classifiers) + 1, i)
        if ds_cnt == 0:
            ax.set_title("Input data")
        # Plot the training points
        ax.scatter(X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright)
        # and testing points
        ax.scatter(X_test[:, 0], X_test[:, 1], c=y_test, cmap=cm_bright, alpha=0.6)
        ax.set_xlim(xx.min(), xx.max())
        ax.set_ylim(yy.min(), yy.max())
        ax.set_xticks(())
        ax.set_yticks(())
        i += 1
    
        # iterate over classifiers
        for name, clf in zip(names, classifiers):
            ax = plt.subplot(len(datasets), len(classifiers) + 1, i)
            clf.fit(X_train, y_train)
            score = clf.score(X_test, y_test)
    
            # Plot the decision boundary. For that, we will assign a color to each
            # point in the mesh [x_min, x_max]x[y_min, y_max].
            if hasattr(clf, "decision_function"):
                Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()])
            else:
                Z = clf.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
    
            # Put the result into a color plot
            Z = Z.reshape(xx.shape)
            ax.contourf(xx, yy, Z, cmap=cm, alpha=.8)
    
            # Plot also the training points
            ax.scatter(X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright)
            # and testing points
            ax.scatter(X_test[:, 0], X_test[:, 1], c=y_test, cmap=cm_bright,
                       alpha=0.6)
    
            ax.set_xlim(xx.min(), xx.max())
            ax.set_ylim(yy.min(), yy.max())
            ax.set_xticks(())
            ax.set_yticks(())
            if ds_cnt == 0:
                ax.set_title(name)
            ax.text(xx.max() - .3, yy.min() + .3, ('%.2f' % score).lstrip('0'),
                    size=15, horizontalalignment='right')
            i += 1
    
    plt.tight_layout()
    plt.show()
    

    index

    とりあいずこれで動作確認OK
    ダミーの点が大体全部7~9割くらいの正解率、正直数字が良いのかどうか分かんない。

    大和市のポテトフライダー、フライドポテトを揚げ続けて120年、変わらぬ味と進化し続ける味を提供しております!休みの日にはポテトダイナマイトを製作し、世界中にバラまいている!