Beginn des Studiums: Samstag, 7. Dezember Verwendete Bücher: Miyuki Oshige "Details! Python3 Introductory Note ”(Sotech, 2017)
Lebenslauf aus [Numpy Array (Ch.15 / S.380)](9. Tag), Fertig bis [Klassifizierung handschriftlicher Zeichen (Ch.16 / S.396)](10. Tag)
Wir werden ab heute mit dem maschinellen Lernen beginnen.
(1) Teilen Sie die Trainingsdaten in Trainingsdaten und Testdaten auf. (2) Geben Sie die Trainingsdaten und Lehrerdaten in den ** Lernenden ** ein. → Geschultes Modell (Klassifikator) (3) Geben Sie die Testdaten und Lehrerdaten in den Klassifikator ein und bewerten Sie die Leistung.
・ Verwendet ein Lerngerät namens Scikit-Learn -Klassifizierung handgeschriebener Zeichen (mithilfe des Datensatzmoduls des sklearn-Pakets) Ein Paket ist eine Sammlung von ** mehreren Modulen **. ・ Üben Sie die Verwendung numerischer Bilddaten von scicit-learn Dieses Mal werden die Bilddaten (digits.data) und die Lehrerdaten (digits.target) separat verwendet. 2/3 der Bilddaten sind Trainingsdaten, 1/3 sind Testdaten Die Lehrerdaten werden ebenfalls so aufgeteilt, dass sie den obigen Angaben entsprechen. Der Algorithmus verwendet SVM (Support Vector Machine) SVC ・ Beim Einfügen der Testdaten in den Klassifikator ist der folgende Fehler aufgetreten Classification metrics can't handle a mix of multiclass-multioutput and multiclass targets → Ich habe es gelöst, als ich alles noch einmal versucht habe. Ursache unbekannt ···. Während der Wiedergabe ist aufgrund des Raums mit voller Breite mehrmals ein Fehler aufgetreten, sodass dies möglicherweise möglich ist.
-Nicht auf Gamma beschränkt, können die Parameter des Lernenden mit dem Argument von svm.svc () angepasst werden. In dem Buch war Gamma = 0,001 und die Genauigkeit betrug 96,3%, aber wenn Gamma = 1 war, fiel die Genauigkeit auf 9,8%. Im Gegensatz dazu beträgt die Genauigkeit bei Gamma = 0,001 93,2%. Es scheint nicht, dass es niedrig sein sollte. Entspricht die Einstellung hier der Stimmung, die Sie oft hören?
Recommended Posts