Maschinelles Lernen mit Python (1) Gesamtklassifizierung

Ich werde aufschreiben, was ich als Memorandum gelernt habe.

(1) Beziehung zwischen KI, maschinellem Lernen und tiefem Lernen

AI ist eine Abkürzung für Künstliche Intelligenz, die die Verarbeitung menschenähnlicher Informationen ermöglicht (einfach gesagt, ein Roboter).

Maschinelles Lernen ist das, was Wahrnehmungsinformationen digitalisiert und Informationen gibt und verarbeitet. Mit anderen Worten, maschinelles Lernen macht KI zu dem, was es zu KI macht.

Es gibt Methoden wie Deep Learning beim maschinellen Lernen.

Grob gesagt ist KI (künstliche Intelligenz) <maschinelles Lernen <tiefes Lernen.

(2) Arten des maschinellen Lernens

Es gibt verschiedene Methoden für maschinelles Lernen, und es ist notwendig, sie richtig anzuwenden, je nachdem, was Sie tun möchten. Es kann in drei Haupttypen unterteilt werden.

Mit einem Lehrer lernen

Überwachtes Lernen ist die Bewertung unbekannter Werte anhand der Ergebnisse der Analyse der bereits vorhandenen Daten. Zum Beispiel eine saisonale Verkaufsprognose für Eiscreme (wie viel wird im nächsten Monat verkauft usw.) Ich denke, es ist das bekannteste.

"Rückkehr" und "Klassifizierung" sind typische Beispiele für überwachtes Lernen. ・ Rückgabe: Vorhersage aus kontinuierlichen Zahlenwerten wie im vorherigen Beispiel von Ike Cream

-Klassifizierung ist zu verarbeiten, in welche Klassifizierung bestimmte Daten unterteilt werden können. Ein Beispiel ist die Klassifizierung von Männern und Frauen anhand bestimmter Werte wie Größe und Gewicht.

Lernen ohne Lehrer

Unbeaufsichtigtes Lernen ist eine Methode zur Klassifizierung, bei der gelernt wird, die Merkmale mehrerer unbekannter Daten ohne Lehrer zu erfassen, dh ohne die angegebenen Daten zu beantworten.

Zum Beispiel Handschrifterkennung (Finden, was dieselbe Person geschrieben hat).

Im Jahr 2012 entwickelte Google eine KI, um Katzen zu finden, und wurde zu einem heißen Thema, das dieses unbeaufsichtigte Lernen nutzt.

Es ist das gleiche Bild, in dem ein Kind nach und nach verschiedene Dinge lernt, während es lebt.

Dies wird hauptsächlich durch "Clustering" und "Dimensionsreduktion" dargestellt.

・ Clustering: Suchen von Gruppen mit gemeinsamen Merkmalen aus Daten, die nicht die oben beschriebene richtige Antwort haben.

-Dimensionsreduzierung: Beim Umgang mit hochdimensionalen Objekten erleichtert das Reduzieren der Dimensionen das Verständnis der Daten (niedrigere Dimensionen). Es ist schwer zu verstehen, aber es kann gesagt werden, dass es nur durch die notwendigen Daten klassifiziert wird. Auf diese Weise können Sie die Genauigkeit des überwachten Lernens verbessern und die Berechnungsgeschwindigkeit verbessern.

Lernen stärken

Sie lernen für Dinge, die wenig oder keine Daten haben. Ein Beispiel ist ein Reinigungsroboter. Die Größe des Raums und die Anordnung der Dinge sind so programmiert, dass sie aus dem Zustand lernen, in dem zunächst keine Daten vorliegen, und schließlich den Raum effizient reinigen.

Es ist auch eine Technik, die berühmt wurde, weil Alpha Go den besten Spieler der Welt besiegte.

Schließlich

Das nächste Mal möchte ich tatsächlich eine einfache Regressionsanalyse durchführen. Als zukünftige Entwicklungen werde ich nicht nur programmierbezogene Elemente wie Codierung und Fehlerbehandlung veröffentlichen, sondern auch solche, die sich auf die Neurowissenschaften beziehen.

Recommended Posts

Maschinelles Lernen mit Python (1) Gesamtklassifizierung
Maschinelles Lernen mit Python! Vorbereitung
Beginnend mit maschinellem Python-Lernen
Klassifikation des maschinellen Lernens
"Scraping & maschinelles Lernen mit Python" Lernnotiz
Verstärken Sie Bilder für maschinelles Lernen mit Python
Maschinelles Lernen mit Python (2) Einfache Regressionsanalyse
[Shakyo] Begegnung mit Python zum maschinellen Lernen
Aufbau einer KI / maschinellen Lernumgebung mit Python
Python lernen mit ChemTHEATER 03
"Objektorientiert" mit Python gelernt
Python lernen mit ChemTHEATER 05-1
Python lernen mit ChemTHEATER 02
Python lernen mit ChemTHEATER 01
Python: Überwachtes Lernen (Klassifizierung)
[Python] Einfache Einführung in das maschinelle Lernen mit Python (SVM)
Maschinelles Lernen beginnend mit Python Personal Memorandum Part2
Python & Machine Learning Study Memo ⑤: Klassifikation von Ayame
Maschinelles Lernen beginnend mit Python Personal Memorandum Part1
[Python] Sammeln Sie Bilder mit Icrawler für maschinelles Lernen [1000 Blatt]
Ich habe mit der maschinellen Vorverarbeitung von Python Data begonnen
Erstellen Sie eine Python-Umgebung für maschinelles Lernen mit Containern
Maschinelles Lernen mit Pokemon gelernt
Verbessertes Lernen ab Python
Maschinelles Lernen Minesweeper mit PyTorch
Python Machine Learning Programming> Schlüsselwörter
Überwachtes maschinelles Lernen (Klassifikation / Regression)
Iterative Verarbeitung von Python durch Chemoinfomatik gelernt
Versuchen Sie es mit Kaggle leicht maschinell
Führen Sie eine Pipeline für maschinelles Lernen mit Cloud Dataflow (Python) aus.
Erstellen Sie mit Python eine Entwicklungsumgebung für maschinelles Lernen
Zusammenfassung des grundlegenden Ablaufs des maschinellen Lernens mit Python
Kapitel 6 Überwachtes Lernen: Klassifizierung pg212 ~ [Lernen Sie, indem Sie sich mit Python bewegen! Neues Lehrbuch für maschinelles Lernen]
Python Machine Learning Programming Kapitel 2 Klassifizierungsprobleme - Zusammenfassung des Trainingsalgorithmus für maschinelles Lernen
Ich habe mit Python Clustering & Dimension Compression & Visualization mit maschinellem Lernen begonnen
Ich habe maschinelles Lernen mit liblinear versucht
Zusammenfassung des maschinellen Lernens von Python-Anfängern
Eingabe / Ausgabe mit Python (Python-Lernnotiz ⑤)
Klassifikation und Regression beim maschinellen Lernen
Maschinelles Lernen
Perceptron-Lernexperiment mit Python
SVM versucht maschinelles Lernen mit Scikit-Learn
<Für Anfänger> Python-Bibliothek <Für maschinelles Lernen>
Python lernen
Python: Vorverarbeitung beim maschinellen Lernen: Übersicht
Einstellungen der Python3-basierten maschinellen Lernumgebung auf dem Mac (Koexistenz mit Python2)
Quanteninspiriertes maschinelles Lernen mit Tensornetzwerken
Beginnen Sie mit dem maschinellen Lernen mit SageMaker
Erstellen einer Windows 7-Umgebung für eine Einführung in das maschinelle Lernen mit Python
Maschinelles Lernen mit Python ohne Verlust an kategoriale Variablen (Dummy-Variablenkonvertierung)
"Gauß-Prozess und maschinelles Lernen" Gauß-Prozessregression nur mit Python-Numpy implementiert
Python & Machine Learning Study Memo: Vorbereitung der Umgebung
[Beispiel für eine Python-Verbesserung] Python mit Codecademy lernen
Vorhersage des Strombedarfs durch maschinelles Lernen Teil 2
[Maschinelles Lernen] LDA-Themenklassifizierung mit Scikit-Learn
Unausgeglichenes Datenlernen mit maschinellem Lernen k-NN
Verwenden Sie die API-Gruppe A3RT für maschinelles Lernen aus Python
Ich habe Python 3.5.1 installiert, um maschinelles Lernen zu studieren
[Python] Techniken, die häufig beim maschinellen Lernen verwendet werden
Warum Python für maschinelles Lernen ausgewählt wird