こんにちは！こーたろーです。 ちょっとブログにつかれてきたので、基礎トレーニングも混ぜながらやっていきます。 1年前に少しやりましたが、今回は別のモデルでやってみます。 手書き文字識別をSVM（サポートベクターマシン）を使ってやってみます。 学生の練習にはうってつけですね。 データのロード データの前処理 モデルの作成と学習、評価

今回はサポートベクターマシーンを試してみる。 Pythonでの実装コード SASでの実装コード SASでお試し（対象データ、データ加工） SASでお試し（モデル作成） SASでお試し（モデル評価） 参考 Pythonでの実装コード Pythonで簡単に実装できる。 #-- 線形SVM from sklearn.svm import LinearSVC mod1 = LinearSVC(C=1, random_state=999) mod1.fit(X_train, y_train) y_pred1 = mod1.predict(X_test) #-- 非線形SVM from sklearn.s…

SVM（サポートベクターマシーン）についてのメモ。 SVM（サポートベクターマシーン）とは 線形SVM（ハードマージン法とソフトマージン法） 主問題と双対問題 Pythonによる実行 非線形SVM（カーネルトリック） Pythonによる実行 Wineデータで実行 参考 SVM（サポートベクターマシーン）とは SVMは「マージン最大化」の考えに基づいて分類する手法である。 n次元空間に超平面（線形識別関数、二次元なら直線）で分類境界を作ることでベクトルを分離する。 （マージンが大きいほど、未知データでの識別誤りが起こりにくいだろうという理屈でマージン最大化する）。 手法としては、線形分離可能を仮…

人工知能は人間を超えるか ディープラーニングの先にあるもの 松尾 豊 本作品の全部または一部を無断で複製、転載、配信、送信したり、ホームページ上に転載することを禁止します。また、本 作品の内容を無断で改変、改ざん等を行うことも禁止します。 本作品購入時にご承諾いただいた規約により、有償・無償にかかわらず本作品を第三者に譲渡することはできません。 本作品を示すサムネイルなどのイメージ画像は、再ダウンロード時に予告なく変更される場合があります。 本作品は縦書きでレイアウトされています。 また、ご覧になるリーディングシステムにより、表示の差が認められることがあります。 本文中に「＊」が付されている箇…

はじめに Visual Studio Build Tools の準備 プロジェクトの準備 単純なアプリをネイティブイメージ化 リフレクションを利用したアプリをネイティブイメージ化 まとめ はじめに GraalVM 公式のGradleネイティブイメージプラグインの使い方です。 Gradleネイティブイメージプラグインのリポジトリは以下となっています。 github.com ここでのバージョンは以下となります。 Gradle ： 8.2 Gradleネイティブイメージプラグイン：0.9.25 GraalVM ：20.0.2+9.1 Gradleネイティブイメージプラグイン 0.9.25 は、Gra…

ロジスティック回帰はニューラルネットワークをやっていれば自然に知ることができる概念ですが、それが一般化線形モデルという範疇に属するということを知ったのはかなり後になってからだったと思います。 昔GAとかを勉強しているときに、クロスオーバーに相当するオペレーターを連続空間で考えると適当な共分散行列に基づくガウス分布でサンプリングすれば似たようなことができるのではないかと思って考えていたことがあります。離散コーディングの場合はそれを離散化するので、閾値で離散化するという方法でどこか小さなところで発表したか、完全に自分用のメモで終わらせたかすら記憶にありません。 今思うと、それはプロビットモデルの一…

はじめに Gradle のツールチェーンでプロビジョニングした GraalVM はシンボリックリンクが壊れている Native Image Plugin(0.9.25)は、Gradle 8.3 では動かない Native Image Plugin のトレースエージェントは GRAALVM_HOME / JAVA_HOME が必須 はじめに macOS 上の Gradle で GraalVM ネイティブイメージを作成する際のハマりポイントを記しておきます。 Gradle プラグインは Graal 公式のもので、バージョン 0.9.25 です。 github.com Native Image 自体…

この夏の自由研究です。 初めに 菅野真衣のマイペースマイワールドには番組終了前にじゃんけんをする名物コーナーがあります。今回はそのじゃんけんで勝率を最大化する戦略を考えます。アプローチとしては、菅野真衣さんの出す手が従う法則性を仮定し、それに対して高い勝率の出る戦略を示します。2023年8月30日現在、ニコニコ動画には第30回までのアーカイブが上がっている為、そこまでの手を分析の対象とします。第25回はマイマイルド公録回で菅野真衣さんの口から出した手の情報が出ていませんが、一旦パーとして分析を行います。（イベントだしチョキ出すでしょ読みでグー出したら負けた記憶があるような...）また、戦略の評…

G-gen の佐々木です。当記事では Google Cloud（旧称 GCP）の認定資格の一つである、Professional Machine Learning Engineer 試験の対策や出題傾向について解説します。 基本的な情報 Professional Machine Learning Engineer とは 難易度 試験対策 機械学習の一般的な知識 代表的な機械学習アルゴリズム 評価指標 回帰問題における評価指標 分類問題における評価指標 ヒューリスティック 機械学習モデルの開発、運用における課題の解決 データの前処理 欠損値の処理 カテゴリカル変数の扱い 不均衡データの対策 過学習…

こんにちは〜ららぽてすらです♪ サポートベクターマシン（SVM）は、データの中で最も境界に近い点たち（これを「サポートベクター」と呼ぶ）を使って、2つのグループをきれいに分ける線（または面、空間）を見つけるためのマシン学習アルゴリズムです。 🌈 SVMの特徴 🌈 最も境界に近いデータ点に焦点を当てる: SVMは、2つのグループを分ける境界と、その境界に最も近いデータ点との距離（マージン）を最大化します。 非線形なデータにも対応: カーネルトリックというテクニックを使って、複雑なデータにも対応できます。 高次元のデータに強い: 特徴が多いデータでも、しっかりとした性能を発揮します。 🚀 どんな時…

マーケティングデータの分析は、企業の成長において非常に重要な要素となっています。これまでの基本的なデータ分析手法を使いこなせている方にとっては、次のステップとして高度な分析手法を導入することが求められます。本記事では、クラスタリング分析や異常値検出など、より深い洞察を得るための手法を詳しく解説しています。さらに、予測モデリングやマーケティングオートメーションとの連携の方法についても触れています。これらの手法を使いこなすことで、マーケティング活動の効果を最大化し、競争力を高めることが可能です。また、成功した事例を紹介することで、実際の現場での活用例を参考にすることもできます。今後のマーケティング…

読んだ論文の備忘録です。毎週月曜日に更新される予定ですが、そうでない場合もあります。

4000通りのデザイン。クリスチャンポール腕時計決まり切ったデザインを選ぶより、ライフスタイルに合わせて選べるデザイナーズウォッチ。4000通りの組み合わせから、ヘッド・ベルト・バックルを自由にカスタマイズ。 ★カスタマイズを試す★ 腕時計クリスチャンポール 日本公式通販 “定番人気”の、シリーズ・文字盤・配色のシンクロお揃いペア。 【バイロンおすすめペアウォッチ】BY06BKVBK＋BY04PCVGD41,800円(税込) Byron Bayの美しい砂浜に流れ着いた貝殻、それぞれが辿ってきた長い道のりを表すかのように様々な形をしたShellデザイン。黒のベルトに、クールなブラックケースとのコ…

ひさびさの更新である。 最近は学校がなくて家でダラダラしているだけなので日記にすると密度が確保できないため、ここ数日分の日記をまとめて書く。 。。。 つい先日Sセメスター最後のレポートを提出した。 いずれのレポートもまあひどい出来だと思うから得点は期待できないだろうが、単位は恵んでほしいと思っている。この大学の可は50点からだから、おそらく単位は来るだろうと思って楽観している。 なんとかすべてのレポートを期限通りに提出できたとはいえ、問題点も浮き彫りになったと思う。 もはや言わずもがなだと思うが、計画性の問題だ。これはブログでも何回も書いたしこれ以上書いてもはてなブログのサーバーの容量を無駄づ…