機械学習で乃木坂46を顏分類してみた - Aidemy Blog
この記事は移転しました。約2秒後に新記事へ移動します。移動しない場合はココをクリックしてください。 こんなことをしてみたい ↑これがしたい pythonによる機械学習の勉強をしたので、実践ということで、人気アイドル「乃木坂46」の個人的に好きな5人のメンバーを区別して見ました。大きな流れはこんな感じです。 web上から五人の画像を100枚ずつ取ってくる 画像から顔部分を取り出して保存、テストデータの取り出し 画像の水増し モデルを定義して、学習 テスト(顔を四角く囲って、その人の名前を出力) 説明はこんなもんにして、彼女らの可愛さについて語りたいところですが、そういうブログではないので、少し技術的なことを書きます。 今回はjupyterを使って作業を進めました。notebook形式なので結果が見やすく初心者にはいい環境でした。環境は以下。 macOS:10.13.1 python:3.6.
10分でPythonの科学計算環境構築(anaconda+ Visual Studio Code） - tata色々な備忘録
10分で科学計算＋pythonのコーディング環境構築（自動補完）まで。 anacondaとVisual Studio Codeの組み合わせになる。 Visual Studio Code（VScode）はMS製のIDEだがmac、linuxでも動く。 Markdownでも優秀なツールであり、少しマイナーだがお勧め。 環境構築10分はダウンロード時間を除く。 確認はWindows10だが、mac、linuxも同じ手順、時間で行ける。 1.anacondaのインストール Download Anaconda Now! | Continuum 2.Visual Studio Code（VScode）のインストール code.visualstudio.com 3.Visual Studio Codeの設定 ① python用設定のインストール （下図のようこそ→pythonをクリック→はい） ② フォ
【Day-14】株価や仮想通貨で使える、5つのテクニカル分析を解説&Pythonで実装してみた - プロクラシスト
データ分析ガチ勉強アドベントカレンダー 14日目。 時系列データでまず思いつくのは、株価のチャートですよね。 また、最近はやっている仮想通貨。私も最近coincheckに入金しました。 ビットコイン取引所 "coincheck" やっぱ、実際にお金が絡むとちゃんと勉強しようって言う気になる！笑 せっかくチャートを見るわけだし、その見方について勉強しておこうと思いました。 そしてせっかくなので、自分で実装してどういう仕組みなのかまで知っておこうと思いました。 理系だからね、分からないものを使うのは嫌だからね。 というわけで、Python(主にPandasとMatplotlibを用いながら)でテクニカル指標についてやっていきます。扱うデータは三年分の日経平均株価。 指標について知りたい人も、自分で実装してみたいという人もどうぞ。 テクニカル分析とファンダメンタル分析 実装において ローソク足
【1万部突破】Pythonクローリング&スクレイピングの発売から約1年 - orangain flavor
先月ツイートしましたが、Pythonクローリング&スクレイピングは第5刷となり、累計発行部数が1万部を突破しました。 【1万部突破！】Pythonクローリング&スクレイピングの増刷（第5刷）が決まり、発売1年足らずで累計発行部数が1万部を突破しました！読者の皆様、書評を書いてくださった皆様、レビュワーをはじめとする関係者の皆様に改めてお礼申し上げます。今後ともよろしくお願いします。 https://t.co/jrJxo9iCuC— かと (@orangain) 2017年11月10日 評価 1万部突破にあたって http://scraping-book.com/ を更新する際に、ブログでの書評をまとめたのですが、とても良い評価をいただけていて嬉しく思います。 Amazonのカスタマーレビューは13件も書いていただき、★4.3と高い水準が継続していて本当にありがたいです。 「Rubyによるク
ブロックチェ－ンを構築しながら学ぶ | POSTD
ブロックチェ－ンの仕組みを知るには構築するのが最短の方法 この記事を読んでいるということは、仮想通貨の拡大に興奮しているということですね。ブロックチェ－ンの仕組み、背後にある基本的なテクノロジーについて知りたいのでしょう。 しかしブロックチェ－ンを理解するのは簡単ではありません。少なくとも私にはそうでした。大量の動画の中をさまよい、抜けだらけのチュートリアルに従い、結局、実例が少なすぎてフラストレーションが大きくなりました。 私は手を動かして学ぶのが好きです。コードのレベルで内容を扱わざるを得なくなり、そうすることで身に付くからです。同じようにやってもらえば、この解説が終わる頃には、機能するブロックチェーンが出来上がり、どのように動くかがしっかりと把握できるようになるでしょう。 準備 ブロックチェ－ンとはブロックという名の 不変でシーケンシャルな 一連のレコードだということを覚えてください
Chainer v4 ビギナー向けチュートリアル - Qiita
Update (2018/04/20): Chainer v4に合わせ内容を更新しました。 注意： 今回はニューラルネットワーク自体が何なのかといった説明は省きます。 この記事はJupyter notebookを使って書かれていますので、コードは上から順番に実行できるようにチェックされています。元のJupyter notebookファイルはGoogle Colabを使ってブラウザから実行することができます。Google Colab上ではGPUを使った学習を実際に実行することができますので、「ドライブにコピー」ボタンをクリックしてご自分のドライブにコピーしてから、ぜひ実行してみてください。：Chainer Beginner's Hands-on.ipynb Qiitaだとページ内リンクつきの目次が勝手に作成されるので、全体概要はそちらを眺めて把握してください。 インストール Chainerの
ちょっとしたツールを作るのに便利なPythonライブラリ - Qiita
この記事は、LIFULL Advent Calendar 2017の2日目の記事です。 おはようございます。新UX開発部の二宮( @ninomiyt )です。 LIFULLではデータ解析や最適化の用途、もしくはAWS Lambda上の簡易ツール実装用途などでPythonがそれなりに普及してきました。数値計算寄りの（いわゆるデータサイエンティスト的な）メンバーも今はPythonを使うことが多く、コード量としては小規模なプロジェクトが多く、簡単なAPIやバッチ処理の実装までやってもらうこともあります。 そのレビューをやっていく中で、「これ使うともっと簡単に実装できるよね」っていうライブラリがいくつかまとまってきたので紹介します。 click コマンドラインパーサー用のライブラリで、デコレータを使って関数を簡単にCLI化できます。 標準ライブラリのargparseがありますが、clickではバリ
pandasで条件にあった値を持つ行を削除する場合 - 強弱と高低
列Aにあるnという値を持つ行を削除したい df A B C 0 k n n 1 n n n 2 n k k ... ... ... ... 1000 n m m ... ... ... ... この１行目２行目に該当する行を削除したい時にどうするか。 もちろんこの簡単な例ではdf.drop([1,2,1000])でいける? まさかそんな話ではない。 方針 Aにnという値を持つ行を削除する Aにn以外の値を持つ行を抽出する 方針１ 正直わからんかった。df.drop()はindexの値をリストとして与えればうまく削除できる。 ただ, df[df.A == n]で得られたDataFrameからindexのリストを取得することはどこを見ても書いてなかったしそもそもできないのかもしれない。 過去にindexの値を取得するスクリプトを書いた気がするがそれはまた別の機会に。 方針2 df[df.A !
ディスクリプタを制する者は Python を制す - Qiita
注) タイトルはただの煽りです。 はじめに 最近ようやく Fluent Python に一通り目を通すことができた Python 初心者ですが、終盤のとある一文に心を奪われました。 Python の奥義を極めるには、ディスクリプタを理解しなければなりません。 20 章 属性ディスクリプタ - Fluent Python P. 657 なるほど。Python には、そんな秘密兵器があったのですね。これは学ばなければなりません。 注) この序文もただの煽りです。 属性とプロパティ まずはじめに、ディスクリプタのことは忘れ、属性とプロパティについて話をしましょう。Python では、いわゆるメンバ変数(インスタンス変数)やメンバ関数(インスタンスメソッド)の事をまとめて属性(attribute)と呼びます。 class MyClass: def m(self): """ >>> c = MyCl
ざっとわかるPython - Speaker Deck
'>Copy iframe embed code Copy iframe embed code Copy javascript embed code Copy javascript embed code
[Python] 株価データをプロットし，さらにCSVファイルを出力する - Qiita
はじめに Web上で長期間の株価データを探してもなかなか見つからないので，Pythonを用いて株価のヒストリカルデータを取得し，CSV形式で出力，さらに出力したデータをプロットするプログラムを作成しました． 日本株・外国株いずれにも対応しています． 参考までに，例として出力した日経平均株価1のCSVファイルはこちら，さらにプロットすると以下のようになります． ソースコードの紹介 まず，作成したソースコードを紹介します． #!/usr/bin/env python3 # -*- coding:utf-8 -*- ''' 株価データのプロット・CSVへの出力 ''' import datetime as dt from pandas import DataFrame import jsm import pandas_datareader.data as web import matplotli
![[Python] 株価データをプロットし，さらにCSVファイルを出力する - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/60e4cb905a677f8ed6deac343332e539703c47d2/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwU3VydW1lcmYmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWNhMzIxMjlmNmI3NTljYjQ3MmE4NTU2ZDRlYzI4YTE5%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D2a41217e973f4a1279944a00e1432e00)
Python 3 の asyncio で http サーバーを書く - Qiita
先日 JJUG CCC 2017 FALL に参加してきました。 イベントの中で 田所 駿佑 さんによるセッションでプログラミング言語の勉強のためのお題として HTTP サーバーを書こうといった発表がありました。 新しいプログラミング言語の学び方 HTTPサーバーを作って学ぶ Java, Scala, Clojure https://github.com/todokr/simple-http-server おおたに さんと一緒にセッションを聞いてセッションが終わってから HTTP サーバーを書きたくなりましたよね？ と問われ、そのときはセッションを聞いてテンションも上がっていたのもあり「あー、そうですね。。。」と相槌をうっていました。 その後、イベントが終わって新宿駅へ歩いていった帰り際にも 帰ったら HTTP サーバーを書くんですよね？ と念を押されました。たぶん帰るまでに3
Pythonで始めるBTCトレードBot【軽いサンプルあり】 - 大学生から始めるビットコインFX
初めに皆さんこんにちは、ぷらする(@plusl_BTC)です。 リアルでは大学の学祭の真っ最中ですが、ちまちまと合間を見つけてこの記事を書いています。 さて、最近BTCFX界隈ではBotを作ろうという動きが盛んですね。 おそらく、漢 a.k.a GAMI さんに影響されたという方も多いと思います。 自動売買スキャルbot、13日目。証拠金160,000円=>293,000円。日次+83%。過去最高レベルに綺麗な利益曲線。24時間無停止。放っておくだけ。2日ごとに2倍になるALTをHODLしてる感覚。約530回/日のトレード。利益+250円/トレード。過去最大効率。効率が高ければ手数料が導入されても生き残れる。9勝4敗。 pic.twitter.com/j6TBn7ZMLT— 漢 a.k.a. GAMI (@kanakagami1978) 2017年11月14日 私も漏れず、一連のツイートを
ロジスティック回帰を実際に試してみる - Pythonと機械学習
少し考えてみましたが、コスト関数である対数尤度は活性化関数の出力が教師データに近づくにつれ、0に漸近していくようです。 計算機上ではにするとが－∞に発散してしまうので値を求めることができないですが、解析解としては0に漸近します。 したがって、の極限で、コスト関数は最小値0になります。 以下が、ロジスティック回帰を実装したスクリプトになります。 ベルヌーイ分布を使うため、教師データのクラスラベルは0と1にしてあります。(セトサが0でバージカラーが1です。) ロジスティック回帰では、トレーニングサンプルを与えたときの出力として得られるクラスラベルの確率を求めることができるので、probabilityメソットを追加しました。 このスクリプトを実行すると、学習率と勾配効果法を変更した4つの学習結果グラフを出力します。(最大エポック数:20、特徴量の標準化、トレーニングデータのシャッフルは全結果で共
Python 3の美しい関数引数システム - Qiita
TL;DR Python 3の関数引数システムは複雑だが美しい。 引数は 2 x 2 = 4 種類 パラメータは 2 x 3 = 6 種類 はじめに Python 3の関数引数システムは一見複雑ですが、一度理解すればとてもきれいに設計されていることが分かります。Python 2から3へのバージョンアップで大きく改善され、より柔軟になりました。 引数・パラメータの分類が公式ドキュメントと異なりますが、構文上の見た目や実用に則した分類の方が分かりやすいと思い意図的に変更しました。 書いてたら汚くなりました。フィードバックいただけるとうれしいです。 まず、関数についての用語の定義から行きます。 用語の定義 引数 (arguments)とは 関数に渡される具体的な値。関数内での実際の計算に使用されます。
Python: ジェネレータをイテレータから理解する - CUBE SUGAR CONTAINER
Python のイテレータとジェネレータという概念は意外と分かりにくい。 今回は、実は深い関わり合いを持った両者についてまとめてみることにする。 というのも、最終的にジェネレータを理解するにはイテレータへの理解が欠かせないためだ。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.6 BuildVersion: 16G1036 $ python --version Python 3.6.3 イテレータとは まず、そもそもイテレータとは何者だろうか。 それについて、いくつかの側面から考えてみることにしよう。 使い方から考える 最初は、使い方という側面からイテレータとは何かを考えてみよう。 このとき、答えは「要素を一つずつ取り出すことのできるオブジェクト」になる。 実際に、使い方からイテレータについて見ていこう。
A Beginner’s Guide to Optimizing Pandas Code for Speed | by Sofia Heisler | Upside Engineering Blog
If you’ve done any data analysis in Python, you’ve probably run across Pandas, a fantastic analytics library written by Wes McKinney. By conferring dataframe analysis functionality to Python, Pandas has effectively put Python on the same footing as some of the more established analysis tools, such as R or SAS. Unfortunately, early on, Pandas had gotten a nasty reputation for being “slow”. It’s tru
dfltweb1.onamae.com – このドメインはお名前.comで取得されています。
このドメインは お名前.com から取得されました。 お名前.com は GMOインターネットグループ(株) が運営する国内シェアNo.1のドメイン登録サービスです。 ※表示価格は、全て税込です。 ※サービス品質維持のため、一時的に対象となる料金へ一定割合の「サービス維持調整費」を加算させていただきます。 ※1 「国内シェア」は、ICANN(インターネットのドメイン名などの資源を管理する非営利団体)の公表数値をもとに集計。gTLDが集計の対象。 日本のドメイン登録業者(レジストラ)（「ICANNがレジストラとして認定した企業」一覧（InterNIC提供）内に「Japan」の記載があるもの）を対象。 レジストラ「GMO Internet Group, Inc. d/b/a Onamae.com」のシェア値を集計。 2023年5月時点の調査。
Python が学べる英語のオンラインコースいろいろ
プログラミング言語「 Python 」を学べる英語のオンラインコースについてかんたんにまとめてみました。 システム開発・プログラミングというのはそれなりに歴史のある分野なので、日本語にも Python 関連の良書や良いサービスがたくさんあります（最近は特に増えてきたようです）。 ですので、プログラミングをわざわざ「英語で学ばないといけない」ということはありませんが、もしあなたが英語にある程度馴れがあり「プログラミングを学びたい」と考えているのであれば、日本語のサービスに加えて英語のサービスも選択肢に入れることを強くおすすめします。 英語でプログラミングを学ぶことには次のようなメリットがあります。 日本語のものだけから選ぶよりも選択肢が広いので、より自分の学習スタイルに合ったものが見つかる 各概念を英語の名称で学べるので、後からそれらを検索するときにスムーズ 英語の説明の方が日本語よりもシン
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - yu-iskw/machine-learning-microservice-python: Example to implement machine learning microservice with gRPC and Docker in Python
