Machine Learning(機械学習)
Programmingの公式: ルール + データ = 解答
Machine Learningの公式: 解答 + データ = ルール
正則化:過学習を抑制するための手法
標準化:データの平均を0に、標準偏差を1に変換すること
正規化:データを0から1に収まるようにスケーリングすること
転移学習:学習済みモデルの重みは固定し、出力層だけを付け替えて学習します。
例:犬と猫と人間を分類するモデル → 犬と猫を分類するモデル(犬と猫のデータで再学習)
ファインチューニング:学習済みモデルの重みを初期値とし、全部の層を再度学習することによって微調整します。
例:犬と猫と人間を分類するモデル → 柴犬と秋田犬を分類するモデル、人間を年代毎に分類するモデル (全く異なるモデルへ)
Supervised Learning :
Unsupervised Learning :
★scikit-learn
http://scikit-learn.org/stable/
基本的にやるべきことが三つ
# Collect data
features = [[160,30],[170,15],...]
labels = [0,1,...]
# Training classifier
from sklearn import tree
clf = tree.DecisionTreeClassifier()
clf.fit(features,labels)
# Predict data
print(clf.predict([[180, 10]]))