[B! machinelearning][ai] motosonのブックマーク

Interpretable Machine Learning

Interpretable Machine Learning A Guide for Making Black Box Models Explainable. Christoph Molnar 2021-05-31 要約機械学習は、製品や処理、研究を改善するための大きな可能性を秘めています。しかし、コンピュータは通常、予測の説明をしません。これが機械学習を採用する障壁となっています。本書は、機械学習モデルや、その判断を解釈可能なものにすることについて書かれています。解釈可能性とは何かを説明した後、決定木、決定規則、線形回帰などの単純で解釈可能なモデルについて学びます。その後の章では、特徴量の重要度 (feature importance)やALE(accumulated local effects)や、個々の予測を説明するLIMEやシャープレイ値のようなモデルに非依存な手法(mo

motoson 2021/05/18

リンク

Interpretable Machine Learning

Interpretable Machine Learning A Guide for Making Black Box Models Explainable Christoph Molnar 2023-08-21 Summary Machine learning has great potential for improving products, processes and research. But computers usually do not explain their predictions which is a barrier to the adoption of machine learning. This book is about making machine learning models and their decisions interpretable. Afte

motoson 2021/05/18

リンク

Web開発におけるコンピュータサイエンス - 機械学習編2 - Hatena Developer Blog

この教科書は、はてなサマーインターンの講義資料として作成されたものです: https://github.com/hatena/Hatena-Textbook 機械学習編1（基礎編）では、最も初歩的な分類器である単純パーセプトロンを題材に、機械学習の基本について勉強しました。機械学習編2（実用編）では、実問題に機械学習を適用する上でのコツや、各種の機械学習アルゴリズムの使い分け、高次元データへの対処法、といったトピックについて解説していきます。実問題に機械学習を適用するタスクを定義するデータを特徴ベクトルに変換する評価方法を決める正解データの正例と負例は均等にベースラインとなる手法を実装する実データに向き合うときの心構え機械学習のワークフロー 1. 前処理データセット作成サンプリング特徴抽出欠損値・欠測値への対応値のスケーリング特徴選択次元削減 2. 学習モデ

motoson 2016/10/07

リンク

Web開発におけるコンピュータサイエンス - 機械学習編1 - Hatena Developer Blog

この教科書は、はてなサマーインターンの講義資料として作成されたものです: https://github.com/hatena/Hatena-Textbook この章では機械学習について、Webサービスの開発で必要とされる知識を中心に、とくに自然言語処理にフォーカスしながら解説します。 Webサービス開発と機械学習実現困難な機能の例闇雲な実装もう少しましな実装機械学習によるパラメータ決定分類問題のための機械学習手法パーセプトロン判別アルゴリズム学習アルゴリズム特徴量のとり方形態素解析量をともなう特徴組み合わせ特徴量モデル機械学習の種類教師あり学習分類 (質的変数の予測) 回帰 (量的変数の予測) 教師あり学習でのデータセット教師なし学習クラスタリング次元削減(次元圧縮) 頻出パターンマイニング異常値検出アルゴリズムの評価訓練データとテストデータ学

motoson 2016/10/07

リンク

機械学習に使える、オープンデータ一覧　※随時更新 - Beginning AI

機械学習をやりたいんだけど、データがない！他のデータ使ってみたい！そんな方のために、機械学習に使えるオープンデータを集めました。他にも、このデータセットオススメ！というものがあれば、是非ご紹介して頂けると嬉しいです。m(__)m UC Irvine Machine Learning Repository カリフォルニア大学アーバイン校が公開した、データセット。351件のデータセットがあり後述する DATA GO に比べれば少ないが、ほとんどがMachine Learning用のデータ・セットなので、かなりオススメ。 UCI Machine Learning Repository かの有名なあやめの花（iris）のデータセットもここから見ることができます。国立情報学研究所情報学研究データリポジトリデータセット一覧 yahoo,楽天,ニコニコなどのデータがあります。 DATA.GO.

motoson 2016/08/28

リンク

第一線のAI研究者が注目する最新機械学習技術6選（NIPS2015招待講演より） - 作って遊ぶ機械学習。

ちょっと前になりますが、昨年12月に行われた機械学習のトップカンファレンスであるNIPS2015の講演ビデオが上がっているようなのでチェックしてみました。今回ご紹介するのはケンブリッジ大学のZoubin Ghahramani教授の研究です。 datasciencereport.com 同教授は今後excitingな機械学習の基礎・応用に関する取り組みとして次のような６テーマを紹介しています。・Bayesian Nonparametrics ベイジアンノンパラメトリクスでは、無限次元を持つモデルを仮定することにより、データ量に応じて適切なモデルを学習することができます。こういったモデルは関数上の確率分布（確率過程）を考慮することによって実現できます。代表的な例はガウス過程、中華料理店過程、インド料理過程などです（ご飯ばっかりですね）。ガウス過程は、回帰や識別、ランキングや次元削減に使われ