はじめに metric learningとは マハラノビス距離学習 deep metric learningとは siamese network triplet network サンプルの選び方と直感的理解 L2 softmax network MNISTで実験 実験条件 実験1-1: 表現力の確認 実験1-2: 未知クラスの表現力を確認 実験1-3: 奇数/偶数を学習 天気データで実験 データの準備 実験条件 実験2-1: 表現力の確認（その１） 実験2-2: 表現力の確認（その２） 実験2-3: 未知クラスの表現力を確認 まとめ おわりに 参考 はじめに metric learningについて学ぶ機会があったので忘れないうちに得た知識を書き留めておきます。学んだ期間は10日程度と短く、deep learningも含めて初心者ですので疑いながら読んでいただければと思います。間違いを見つけ

はじめに コンペ概要 データの種類とタスク 評価方法 提出方法 勉強になるkernelとdiscussion Stop the S@#$ - Toxic Comments EDA | Kaggle NB-SVM strong linear baseline | Kaggle Logistic regression with words and char n-grams | Kaggle LightGBM with Select K Best on TFIDF | Kaggle Wordbatch 1.3.3 FM_FTRL LB 0.9812 | Kaggle [For Beginners] Tackling Toxic Using Keras | Kaggle Improved LSTM baseline: GloVe + dropout | Kaggle Capsule net wit