OpenTouryo
-
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コンソーシアム開発基盤部会第38回AIプログラム解説（２）-1：機械学習scikit-learnを用いた単回帰・重回帰分析の手法
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）2-1 機械学習 scikit-learn 単回帰・重回帰 分析編 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）2-1 機械学習 scikit-learn 単回帰・重回帰 分析編 今回の部会では、機械学習ライブラリの一つであるscikit-learnを使用した単回帰と重回帰の解析手法について解説いたします。 単回帰分析…
-
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）- 機械学習とscikit-learnの環境準備、共通的なデータ処理について
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）2-0 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）2-0 機械学習における重要な要素の一つとして、scikit-learnが挙げられます。今回の第38回部会では、scikit-learn環境の準備と共通的なデータ処理について解説します。 scikit-learn環境準備 scikit-learnはPythonの機械学習ライブラリであり、様々な機械学習アルゴリズムを利用することができます。環境を構築するためには、以下の手順が必要です。 Pythonのインストール scikit-learnのインストール（pip install scikit-learn） 必要なライブラリのインストール 共通的データ処理 機械学習の前処理として、データの前処理や特徴量エンジニアリングが必要です。scikit-learnを使用する際には、以下の共通的なデータ処理手順があります。…
-
OSSコンソーシアムの開発基盤部会 第38回 部会でのAIプログラム解説（２）2-2：機械学習のscikit-learnを使用した多項式回帰・正則化回帰の分析について
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）2-2 機械学習 scikit-learn 多項式回帰・正則化回帰 分析編 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）2-2 機械学習 scikit-learn 多項式回帰・正則化回帰 分析編 第38回 開発基盤部会では、AIプログラム解説シリーズの第2部として、機械学習のscikit-learnライブラリを使用した多項式回帰・正則化回帰の分析について解説します。…
-
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。…
-
OSSコンソーシアム 開発基盤部会 第38回 部会：機械学習の主成分分析とクラスタ分析を学ぶ（２）2-4：scikit-learnのAIプログラム解説
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）2-4 機械学習 scikit-learnの主成分分析、クラスタ分析編 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）2-4 機械学習 scikit-learnの主成分分析、クラスタ分析編 最近のAIの進化は驚くばかりです。機械学習の分野では、scikit-learnというライブラリが広く使用されており、主成分分析やクラスタ分析などの機能が提供されています。 主成分分析 主成分分析は、多次元データを低次元のデータに変換するための手法です。scikit-learnでは、PCA（Principal Component Analysis）というクラスを使用して主成分分析を行うことができます。以下のコードは、主成分分析を実行する例です。 from…
