Ich habe ein Tool namens MALSS (Machine Learning Support System) erstellt, das maschinelles Lernen in Python (PyPI/GitHub unterstützt. //github.com/canard0328/malss)). Wir wären Ihnen dankbar, wenn Sie uns verschiedene Meinungen mitteilen könnten.

Ich schreibe hier die Fortsetzung. ・ Tool MALSS (Basic), das maschinelles Lernen in Python unterstützt ・ Tool MALSS (Anwendung), das maschinelles Lernen in Python unterstützt

Zweck

Die reichhaltige Open Source-Entwicklungsumgebung hat es wirklich einfach gemacht, maschinelles Lernen zu verwenden. Da es jedoch einfach zu bedienen ist, ohne zu studieren, können Sie in einer unerwarteten Falle stecken bleiben. MALSS wurde mit dem Ziel entwickelt, die Teile, in denen Anfänger stecken bleiben, zu automatisieren und den Umgang mit maschinellem Lernen zu erlernen. Ich denke auch, dass selbst Experten durch die Automatisierung des Einführungsteils der Analyse zur Effizienz beitragen können.

Ziel

Es gibt zwei Anwendungen des maschinellen Lernens in der Wirtschaft.

--Datenanalyseprojekt

• ** Systementwicklungsprojekt **

In Datenanalyseprojekten ist es erforderlich, einige Kenntnisse aus den Daten zu gewinnen (Data Mining). Andererseits wird in Systementwicklungsprojekten ein Modell, das einige Vorhersagen unter Verwendung unbekannter Daten macht, in das System integriert und verwendet. Dieses Tool soll das letztere maschinelle Lernen für ** Systementwicklungsprojekte ** unterstützen. Dies liegt daran, dass wir der Ansicht sind, dass maschinelles Lernen für Systementwicklungsprojekte einen größeren Anteil hat, der in der ersten Prüfungsphase strukturiert (automatisiert) werden kann.

Auch als Klassifikation des maschinellen Lernens

• ** Lernen mit dem Lehrer **
• Lernen ohne Lehrer

es gibt. Beim überwachten Lernen bestehen die Daten aus einem Paar von Eingaben und Ausgaben, die Ausgabe ist ein numerischer Wert, die Regression, die sie aus der Eingabe vorhersagt, und die Ausgabe ist ein Kategoriewert, und welche Kategorie wird aus der Eingabe klassifiziert. Es ist eine Klassifizierung / Klassifizierung vorherzusagen. Beim unbeaufsichtigten Lernen bestehen die Daten nur aus Eingaben. Dazu gehören Clustering, bei dem die Eingaben nach bestimmten Kriterien kategorisiert werden, und die Erkennung von Ausreißern. Dieses Tool ist für das frühere ** überwachte Lernen ** vorgesehen. Dies liegt auch daran, dass ich denke, dass überwachtes Lernen einen größeren Teil hat, der strukturiert werden kann.

Einführung

Abhängigkeiten

MALSS hängt von den folgenden Paketen ab. Wir laden die abhängigen Pakete zum Zeitpunkt der Installation nicht automatisch herunter. Behandeln Sie sie daher bitte manuell. Anaconda ist praktisch, weil es alles enthält.

• python (>= 2.7 or >= 3.4)
• numpy (>= 1.10.2)
• scipy (>= 0.16.1)
• scikit-learn (>= 0.17)
• matplotlib (>= 1.5.1)
• pandas (>= 0.14.1)
• jinja2 (>= 2.8)

Installation

Von der Kommandozeile pip install -U malss Sie können es mit installieren.

Alternativ können Sie die Quelle von PyPI oder GitHub DL, entpacken Sie sie und legen Sie sie im Extraktionsverzeichnis ab Gehen Sie von der Kommandozeile aus python setup.py install Sie können es mit installieren.

Warum Python?

Dies liegt daran, dass der Teil des maschinellen Lernens scikit-learn überlassen bleibt.

abschließend

Ich denke, es gibt noch einige Punkte, die als Instrument noch nicht erreicht wurden. Ich wäre Ihnen dankbar, wenn Sie uns verschiedene Meinungen mitteilen könnten. Nächstes Mal möchte über die spezifische Verwendung schreiben.