[PYTHON] Notes sur l'apprentissage automatique (mises à jour de temps en temps)

Flux d'apprentissage

  1. Détermination du contenu de la mise en œuvre

  2. Obtenir des données

  3. Prétraitement des données

  4. Sélection de la méthode

  5. Sélection des hyper paramètres

  6. Formation sur modèle

  7. Évaluation du modèle → Aller à 3, 4, 5

Raisons de séparer les données d'entraînement et les données de test

・ Au moment de la libération du système Toutes les données dont vous disposez peuvent être utilisées comme données d'entraînement

・ Si vous souhaitez évaluer la précision Séparez les données d'entraînement et les données de test, et évaluez les données de test avec un modèle appris uniquement à partir des données d'entraînement

Parce que le but de l'apprentissage supervisé est de prédire des données inconnues

Ajustement inadéquat et surapprentissage

Conformité insuffisante

・ La précision des prédictions est faible, même pour les données d'entraînement.

Superapprentissage

・ Cela correspond bien aux données d'entraînement, mais la précision de prédiction des données de test (données inconnues) est faible.

La partie la plus difficile de l'apprentissage automatique est de savoir comment trouver un bon équilibre entre le sous-ajustement et le surapprentissage.

Recommended Posts

Notes sur l'apprentissage automatique (mises à jour de temps en temps)
[Mis à jour de temps à autre] Notes relatives au système d'exploitation après commercialisation
[Note] Sites Web relatifs à l'IA / à l'apprentissage automatique / à python [mis à jour de temps en temps]
mémo d'apprentissage progate Python (mis à jour de temps en temps)
Résumé de vtkXMLUnstructuredGridReader (mis à jour de temps en temps)
Résumé de vtkOpenFOAMReader (mis à jour de temps en temps)
Livre de mots de l'ingénieur (mis à jour de temps en temps)
Mémo Tensorflow [mis à jour de temps à autre]
Manuel Python privé (mis à jour de temps en temps)
Remarques sur l'exécution locale d'Azure Machine Learning
vtkClipPolyData / DataSet Summary (mis à jour de temps en temps)
Résumé de vtkThreshold (mis à jour de temps en temps)
[Mis à jour de temps en temps] Algorithme et bibliothèque LetCode
Algorithme d'apprentissage automatique (de la classification à 2 classes à la classification à plusieurs classes)
Aide-mémoire pour le post-traitement d'OpenFOAM (mis à jour de temps en temps)
Sites d'aide utiles, etc. (mis à jour de temps à autre)
Introduction à l'apprentissage automatique
Paramètres Apache, confirmation du journal, etc. (* Mis à jour de temps en temps)
[Mis à jour de temps en temps] Examen de Let Code NumPy
Remarques sur la mise à niveau de discord.py de la version async à la réécriture
J'ai lu la référence Chainer (mise à jour de temps en temps)
Introduction à l'apprentissage automatique à partir de Simple Perceptron
Une introduction à l'apprentissage automatique
Bases de l'apprentissage automatique (mémoire)
Anaconda mis à jour de 4.2.0 à 4.3.0 (python3.5 mis à jour vers python3.6)
(Mis à jour de temps en temps) Résumé des API d'apprentissage automatique qui vous permettent de créer rapidement des applications par Team AI
Super introduction à l'apprentissage automatique
[Mis à jour de temps en temps] Résumé des modèles de conception en Java
Introduction à la rédaction de notes d'apprentissage automatique
[Apprentissage automatique] Comprendre la décorrélation des mathématiques
Remarques sur l'utilisation des featuretools
Python (de la première fois à l'exécution)
Présentation de la bibliothèque d'apprentissage automatique SHOGUN
Remarques sur l'accès à dashDB à partir de python
Remarques sur la rédaction de requirements.txt
Comment collecter des données d'apprentissage automatique
Mettre à jour Mac Python de 2 à 3
[Apprentissage automatique] Comprenez à partir des mathématiques pourquoi le coefficient de corrélation varie de -1 à 1.
Méthode Newton pour l'apprentissage automatique (de 1 variable à plusieurs variables)
Récapitulatif des dossiers dans lesquels Ruby, Python, PostgreSQL, etc. sont installés sur macOS (mis à jour de temps en temps)
Introduction à l'apprentissage automatique: fonctionnement du modèle
scikit-learn Comment utiliser le résumé (apprentissage automatique)
Apprentissage amélioré pour apprendre de zéro à profond
Enregistrez les étapes pour comprendre l'apprentissage automatique
Viser à devenir un ingénieur en apprentissage automatique en utilisant des MOOC depuis des postes de vente
Utiliser le groupe d'API d'apprentissage automatique A3RT de Python
Notes d'apprentissage depuis le début de Python 1
J'ai installé Python 3.5.1 pour étudier l'apprentissage automatique
Conversion facile de l'heure UTC en heure locale
Apprentissage automatique
Connexion de python à MySQL sur CentOS 6.4
J'ai essayé de classer les accords de guitare en temps réel en utilisant l'apprentissage automatique
Notes personnelles et liens sur l'apprentissage automatique ① (Machine learning)
Alignement d'image: du SIFT au deep learning
Apprentissage automatique avec Pytorch sur Google Colab
Comment profiter de Coursera / Machine Learning (semaine 10)
Une introduction à Python pour l'apprentissage automatique
Notes d'apprentissage depuis le début de Python 2