consortium

  • OSS Consortium Development Infrastructure Subcommittee 38th Meeting AI Program Explained (Part 2) 2-5 Machine Learning: Evaluation and Tuning of scikit-learn Performance

    OSS Consortium Development Infrastructure Subcommittee 38th Meeting AI Program Explained (Part 2) 2-5 Machine Learning: Evaluation and Tuning of scikit-learn Performance

    OSSコンソーシアム 開発基盤部会 第38回 部会 AIプログラム解説(2)2-5 機械学習 scikit-learnの性能の評価、チューニング編 今回は、OSSコンソーシアム 開発基盤部会の第38回部会で行われたAIプログラム解説(2)2-5 機械学習 scikit-learnの性能の評価、チューニング編について紹介します。 性能の評価 機械学習の性能を評価するためには、適切な指標を使用することが重要です。scikit-learnでは、様々な性能評価指標が提供されており、モデルの性能を客観的に評価することが可能です。 代表的な性能評価指標としては、精度(Accuracy)、適合率(Precision)、再現率(Recall)、F1スコア(F1 Score)などがあります。これらの指標を適切に選択し、モデルの性能を評価することが重要です。 チューニング 機械学習モデルのチューニングは、モデルのパラメータやハイパーパラメータを最適化することを指します。scikit-learnでは、GridSearchCVやRandomizedSearchCVなどのツールを使用してハイパーパラメータをチューニングすることが可能です。 また、交差検証(Cross Validation)を行うことで、モデルの汎化性能を評価することができます。過学習を防ぐためにも、交差検証を適切に行うことが重要です。 以上が、OSSコンソーシアム…

  • OSS Consortium Development Infrastructure Committee 38th Meeting: Explanation of AI programs (2) 2-3 Machine Learning – Various Classifiers in scikit-learn (PPN, SVM, DTL, LRA) Edition

    OSS Consortium Development Infrastructure Committee 38th Meeting: Explanation of AI programs (2) 2-3 Machine Learning – Various Classifiers in scikit-learn (PPN, SVM, DTL, LRA) Edition

    OSSコンソーシアム 開発基盤部会 第38回 部会 AIプログラム解説(2)2-3 機械学習 scikit-learnの様々な分類器(PPN、SVM、DTL、LRA)編 OSSコンソーシアム 開発基盤部会 第38回 部会 AIプログラム解説(2)2-3 機械学習 scikit-learnの様々な分類器(PPN、SVM、DTL、LRA)編 OSSコンソーシアム 開発基盤部会 第38回 部会では、機械学習の分野に焦点を当て、scikit-learnの様々な分類器について解説されました。 PPN(Perceptron) PPNは単純な線形分類器であり、入力ベクトルを特定のクラスに分類します。境界線を見つけるという点で、線形SVMと似ていますが、実装がよりシンプルです。…