La première étape de l'apprentissage automatique ~ Pour ceux qui veulent essayer l'implémentation avec python ~
Début de l'apprentissage automatique à partir de la première partie
introduction
Bonjour. Je m'appelle mizutakawater et je serai membre de la société à partir d'avril 2020. J'aime le baseball et la crosse. J'apprends à renforcer l'apprentissage dans mes recherches de fin d'études, mais l'apprentissage automatique! Intelligence artificielle! AI! N'y a-t-il rien qui l'explique de manière facile à comprendre? J'ai ressenti cela. (En premier lieu, je pense souvent que les livres académiques et les livres techniques d'ingénieurs sont trop hostiles aux débutants par rapport aux études littéraires. Est-ce la culture des ingénieurs de dire des choses faciles à comprendre incompréhensibles? ??) ← Il semble avoir été tué par un ingénieur qualifié
Au fait, _C'est vraiment facile à comprendre pour les débutants (← concept important) _Introduction de l'apprentissage automatique, j'aimerais utiliser python! !! Il peut y avoir des différences dans les détails, mais je poursuivrai des recherches faciles à comprendre, comme un ingénieur issu des arts libéraux.
introduction
Termes dont vous voulez vous souvenir
C'est un mot soudain, mais je dois le supporter car il n'y en a que deux (rires). Même si vous ne vous souvenez pas des mots, il n'y a pas de problème si vous ne comprenez que le contour.
| Aperçu | Notation(Douane) | |
|---|---|---|
| Variable explicative | Données utilisées pour la prédiction, également appelées quantité de caractéristiques | X |
| Variable objective | Valeurs numériques et données que vous souhaitez prédire | y |
Exemple: Prédire le temps de course de 100 m (variable objective) à partir de la taille, du poids et de l'âge (variable explicative) des athlètes d'athlétisme
Types d'apprentissage automatique
L'apprentissage automatique peut être divisé en trois catégories principales! Immédiatement, j'apprendrai en utilisant les variables explicatives et les variables objectives qui sont sorties plus tôt (également en tant que revue)
―― 1 Apprendre avec un enseignant
Variable explicative(X)Variable objective utilisant(y)Prédire.
Corriger les données de réponse(Variable explicative)Préparez les données que vous souhaitez à partir de là(Variable objective)Image à prédire
―― 2 Apprendre sans professeur
Prédire ce que la variable objective elle-même est bonne à partir de la variable explicative lorsque la variable objective est inconnue
―― 3 Renforcer l'apprentissage
Le programme apprend seul de meilleurs choix
Cette fois, le concept est __ facile à comprendre pour tout le monde, alors apprenons-en à l'apprentissage supervisé, qui est à la base des bases! L'apprentissage non supervisé et l'apprentissage amélioré sont des programmes différents!
Dans l'apprentissage de l'apprentissage supervisé
Il existe deux types d'apprentissage supervisé.
| type | Contenu | Exemple |
|---|---|---|
| Revenir | Prédiction numérique | Prédiction du temps de fonctionnement à 100 m |
| Classification | Prédiction de catégorie | Prédiction d'homme ou de femme |
Il y a des mots qui semblent difficiles à renvoyer, comme la classification, → En fin de compte, c'est la différence entre prédire les nombres (= régression) et prédire les attributs (= classification)!
Maintenant, apprenons tout en pratiquant __Return __ of __Teacher Learning __!
Entraine toi
Prédiction numérique
Tout d'abord un problème simple. Réfléchissons
Il y a A ~ D. Leur taille et leur poids sont les suivants. M. A: 40 kg, 150 cm M. B: 50 kg, 160 cm M. C: 60 kg, 170 cm M. D: 70 kg, 180 cm
Alors, quelle est la taille de M. E, qui pèse 55 kg (peut être prédit)?
Probablement, connectez les quatre lignes avec une ligne droite comme indiqué sur la figure, et cette ligne droite ne chevauche que 55 kg! !! !! Oui, 165 cm! Je pense que c'est comme ça. C'est la formule du premier ordre pour x (celle que j'ai apprise en 1!), Et ça ressemble à ça dans la formule.
y(la taille) = x(poids) + 110
C'est vraiment facile, c'est vrai. Et cette ligne droite est la fonction objective pour prédire la variable objectif. __ L'apprentissage automatique (retour) est presque l'objectif de trouver cette fonction objective __! (Il existe différentes approches pour différents algorithmes, mais ignorez-les! Je suis désolé!) Parce que «Si vous connaissez la formule de cette ligne droite, vous pouvez trouver la hauteur en remplaçant X = 55» C'est facile Mais je ne pense pas qu'il existe des données aussi pratiques!
Donc, ce sera long, alors la prochaine fois, apprenons à trouver la fonction objectif quand les données (variable explicative) sont plus compliquées ~ (Oh, quel est le but? Le but est __ d'en savoir plus sur le retour de l'apprentissage automatique supervisé __! Comment prédire la taille d'une personne pesant 55 kg alors que les variables explicatives sont un peu plus compliquées? ?? Je suis content si vous comprenez l'histoire ~)
C'est la fin de la partie 1 de la section théorie. Ce qui suit est l'implémentation du code par python.
Implémentation du graphe ci-dessus par python!
Nous avons également chanté __ en utilisant __python comme thème, alors apprenons à créer ce graphique. C'est peut-être parfait pour les débutants! Puisque c'est pour les débutants, commençons par construire l'environnement! (La mise en œuvre à grande échelle de l'apprentissage automatique par python sera mise en œuvre la prochaine fois!)
Environnement
--Environnement utilisé: Anaconda, MacOs --Editeur, environnement d'exécution: Jupyter Notebook
Avantages de l'utilisation d'Anaconda et Jupyter Notebook
Anaconda est un outil qui vous permet de gérer facilement l'environnement d'exécution de Pytho. Construire l'environnement pour le premier obstacle à la programmation. Vous pouvez le faire rapidement avec Anaconda. Il n'y a aucun moyen de ne pas en profiter.
Installation d'Anaconda
Ici, allez sur la page d'accueil officielle et installez-la, pas le terminal.
https://www.anaconda.com/distribution/#macos
Suivez les instructions à l'écran pour installer, mais installez la version python3 au lieu de python2. Si vous vous perdez, veuillez vous référer à cette page Installation d'Anaconda
Ouvrez JupyterNoteBook et passez à la page ci-dessous et vous avez terminé!
Voici le code à implémenter dans l'éditeur ci-dessus
#Importation du module dans le graphe mural
import matplotlib.pyplot as plt
#Définition de variables explicatives
X = [40, 50, 60, 70]
#Définition de la variable objectif
y = [x+110 for x in X]
#Murale graphique
#Instanciation de graphe
plt.figure(facecolor="w", figsize=(8, 6))
#la grille(Engrener)Mettre en
plt.grid(True)
#La taille et le poids de chaque personne
plt.scatter(X, y)
plt.scatter(55, 165, color="red")
#Ligne droite rose de la fonction objectif
plt.plot(X, y, color="pink")
#Présentation du graphique
plt.xlabel("weight(kg)")
plt.ylabel("height(cm)")
plt.title("predict")
# plt.savefig("Chemin du répertoire que vous souhaitez enregistrer"/Nom du fichier que vous souhaitez enregistrer") #Si vous souhaitez enregistrer le graphique
Maintenant, si vous appuyez sur quelque chose comme le bouton de lecture en haut à gauche, le graphique devrait être affiché!
À la fin Prochain avis
Cette fois, j'ai appris l'introduction de "Learn Machine Learning", la construction d'un environnement d'exécution de programmation et l'implémentation de graphiques simples. Je les ai tous écrits que j'aurais aimé avoir. la prochaine fois
- Qu'est-ce qu'une analyse de régression simple J'aimerais écrire. Je vous remercie!
Recommended Posts