「はじめての機械学習」 一覧

AzureML カスタムDockerイメージを使う

Microsoftがキュレートしたイメージを使う他に、自分で作った勝手イメージを使うことができる。 今回は、勝手イメージを作ってHelloWorldしてみる。 AzureML上で動作するDockerイ …

Azure ML マウントされたBlobを読み書きしてみる

Azure MLのHello World続き。 今回は、既存の環境を再利用してRunスクリプトを実行してみる。 また、Microsoftが公式で説明するBlobを介した入出力をしてみる。 Azure …

Azure Machine Learningに入門する

Azure Machine Learning (Azure ML) に入門してみる。 Azure MLとは ざっくり、機械学習モデルの構築、学習、実験などの管理を行うためのSaaS型フレームワーク。 …

ロジスティック回帰

参考書籍を読んでいく. 今回はロジスティック回帰. 未知のサンプルのクラスの所属確率を見積もることができる, という重要なことが書かれている. また重みの学習は勾配降下法のフレームワークの中で統一され …

機械学習の分類問題と損失関数の最小化の話

参考にした書籍でこの順序で誘導されていて理解しやすかったです. パーセプトロンによる一番簡単な教師あり学習を理解する ADALINEにより学習を凸で連続なコスト関数の最小化問題として捉える パーセプト …

6個のデータポイント近隣に発生させたデータ達を6-meansでクラスタ分割できるか

multivariate_normalを使って6個のデータポイント近隣にデータ達を発生させる。 薄くクラスタを見つけられそうだけれど境界は曖昧で大分被っているという状況。 そんなデータ達に6-mean …

sklearnに頼らずRidge回帰を自力で書いてみて正則化項の影響を考えてみるテスト

タイトルの通り。Losso回帰と違って損失関数を偏微分するだけで出来そうなのでやってみる。 Ridge回帰は線形回帰の1種だけれども、損失関数として最小二乗法をそのまま使わず、 \(L_2\)ノルムの …

線形サポートベクトル分類器で画像認識するテスト

線形サポートベクトル分類器で画像認識する流れを理解したので、 定着させるために記事にしてみます。 当然、モデルの数学的な理解がないとモデルを解釈することは不可能だし、 正しいハイパーパラメータを設定す …

NP困難な分類問題を代理損失の最小化に帰着させる話

機械学習の分類問題の中心にある決定境界の決定方法について かなり要領を得た説明を聞いて理解が2段階くらい先に進んだのでまとめてみます。 データが与えられただけの状態から決定境界を決める問題はNP困難で …

回帰直線の当てはまりの指標

前の記事で線形単回帰において訓練データから回帰係数を求める方法を書いてみた。 標本平均を使って母平均を推測する話とリンクさせることで、 回帰係数の95%信頼区間を求めることができた。 回帰係数\(\h …

Copyright© ikuty.com , 2023 AllRights Reserved Powered by AFFINGER4.