J'ai créé un outil appelé MALSS (Machine Learning Support System) qui prend en charge l'apprentissage automatique en Python (PyPI/GitHub //github.com/canard0328/malss)). Nous vous serions reconnaissants de bien vouloir nous donner diverses opinions.

J'écris la suite ici. ・ Outil MALSS (de base) qui prend en charge l'apprentissage automatique en Python ・ Outil MALSS (application) qui prend en charge l'apprentissage automatique en Python

Objectif

L'environnement de développement open source riche a rendu le machine learning ** très simple à utiliser. Cependant, comme il est facile à utiliser sans étudier, vous risquez de vous retrouver coincé dans un piège inattendu. MALSS a été développé dans le but d'automatiser les parties dans lesquelles les débutants ont tendance à se coincer, ainsi que d'apprendre à utiliser l'apprentissage automatique. De plus, je pense que même les experts peuvent contribuer à l'efficacité en automatisant la partie introduction de l'analyse.

Cible

Il existe deux applications de l'apprentissage automatique en entreprise.

• Projet d'analyse de données
• ** Projet de développement de système **

Dans les projets d'analyse de données, il est nécessaire de découvrir certaines connaissances à partir des données (data mining). D'autre part, dans les projets de développement de système, un modèle qui effectue certaines prédictions à l'aide de données inconnues est incorporé dans le système et utilisé. Cet outil est censé prendre en charge ce dernier apprentissage automatique pour les ** projets de développement système **. En effet, nous pensons que l'apprentissage automatique pour les projets de développement de systèmes a une part plus importante qui peut être modelée (automatisée) au stade de l'examen initial.

Aussi, en tant que classification de l'apprentissage automatique

• ** Apprendre avec l'enseignant ** --Apprendre sans professeur

il y a. Dans l'apprentissage supervisé, les données se composent d'une paire d'entrée et de sortie, la sortie est une valeur numérique, la régression qui la prédit à partir de l'entrée, et la sortie est une valeur de catégorie et quelle catégorie est classée à partir de l'entrée. Il y a une classification / classification à prévoir. Dans l'apprentissage non supervisé, les données se composent uniquement d'entrée, et cela inclut le clustering, qui catégorise l'entrée selon certains critères, et la détection des valeurs aberrantes. Cet outil est destiné à l'ancien ** apprentissage supervisé **. C'est aussi parce que je pense que l'apprentissage supervisé a une part plus importante qui peut être modelée.

introduction

Dépendances

MALSS dépend des packages suivants. Nous ne téléchargeons pas automatiquement les packages dépendants au moment de l'installation, veuillez donc le gérer manuellement. Anaconda est pratique car il contient tout.

• 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

Depuis la ligne de commande pip install -U malss Vous pouvez l'installer avec.

Vous pouvez également télécharger la source depuis PyPI ou GitHub, décompressez-la et placez-la dans le répertoire d'extraction. Allez, depuis la ligne de commande python setup.py install Vous pouvez l'installer avec.

Pourquoi Python

C'est parce que la partie apprentissage automatique est laissée à scikit-learn.

en conclusion

Je pense qu'il reste encore quelques points à atteindre en tant qu'outil, je vous serais donc reconnaissant de bien vouloir nous donner divers avis. La prochaine fois aimerait écrire sur l'utilisation spécifique.