概要 Mecabはオープンソースの形態素解析エンジンです。機械学習のための前準備として、日本語の文章を分かち書きにするため利用することができます。Mecab をインストールして Python から利用できるようにするのがこの記事の目標です。 環境 Ubuntu 14.04 64bit gcc 4.8.4 Python 3.5.2 :: Anaconda custom (64-bit) インストール手順 1. Mecab この記事を参考にしました。
概要 Coursera は無料で大学レベルの教育が受けられるオンラインサービス。その中でも特に評判のよい Machine Learning コース をこのたび修了しました。一言でいうと、非常によかったです!これから本格的に機械学習を学ぼうとする人には本当におすすめ。 対象読者と私のバックグラウンド この記事の対象読者は、「数学にはあまり自信がないけど、プログラミングはそこそこできる」という人たちとします。まさにそれが私そのものですので。 私は20数年前に卒業した大学では、経済学とそれに必要な解析学・線形代数・統計学を学びました(そしてほぼ忘れました)。最近になって、線形代数だけ復習しました。プログラミングに関しては、仕事で Ruby を使っています。 線形代数の復習は、「プログラミングのための線形代数」で行いました。リファレンス的に「高校数学の美しい物語」 というサイトの記事を参照させてい
動機 前回「Ruby でニューラルネットワーク」では、MNIST のデータを使って、数字認識ができるニューラルネットワークを構築しました。元ネタは、名著「ゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装」です。 ただ、数字の認識を行えるとはいっても、訓練用のデータもテスト用のデータも MNIST から与えられたものにすぎません。自分で実際に手書きの数字を描いてみたらどうなるのだろう?という興味から、ウェブ上で、実際に数値を手書きして、そのまま数字認識が試せるようなものを作ってみました。 Digit Recognition ソースコード(GitHub) 手書き数値の右隣の "3: 99.6%" みたいなところは、たとえば「『3』である確率は 99.6%」ということを意味します。確率の一番高い数字を認識結果としています。 コード解説 neuralne
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
処理を実行中です
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