タグ

ブックマーク / qiita.com/ryo_naka (10)

  • [SIGNATE]画像で遊んでみる(土砂崩れを探せ)　その２ - Qiita

    前回はあまりにさっぱりだったので別の方法を試してみる。 Deep Learningを試してみる scikit-learnでDeep Learningもできそうということで入れてみることにする https://qiita.com/ToshikiShimizu/items/3c0b8713a26ee10b689e https://algorithm.joho.info/machine-learning/python-scikit-learn-neural-network-iris/ ついでに画像についても正規化してから差分をとるようにしてみる。 MLPについてはとりあえずデフォルトのまま試す。 正規化 np_feature = np_feature.astype(np.float64) np_feature =np_feature / np_feature.max()

    [SIGNATE]画像で遊んでみる(土砂崩れを探せ)　その２ - Qiita

  • [SIGNATE]画像で遊んでみる(土砂崩れを探せ) - Qiita

    なんか新しいコンペのメールが来てたのでSIGNATEのコンペのデータで遊んでみた。 コンペの目的 Tellus Satellite Challengeは、衛星データの利活用事例の可視化、優秀な分析人材の発掘、衛星データ種やフォーマットの周知・啓蒙等、Tellusの利活用の促進を目的としたデータ分析コンテストです。 第1回目のテーマは「SARデータを用いた土砂崩れ検出」です。 近年、自然災害のリスクが高まる中、災害時の土砂崩れの迅速把握が人命救助の観点などから極めて重要であり、観測衛星からのモニタリングが緊急時対応で実施されております。取得されたデータから土砂崩れを判定する業務は、専門家の高度なスキルにより解析される一方で、その判定は容易ではないのが実際です。そこで今回のチャレンジでは衛星画像データから土砂崩れ領域をより高い精度で検出するアルゴリズムの開発を目指します。 とのこと。 ここに書

    [SIGNATE]画像で遊んでみる(土砂崩れを探せ) - Qiita

  • [解決編]AlexaからIFTTT経由でショッピングリストの情報を取得すると文字化けするのをなんとかした - Qiita

    この続きです。 前回は文字化けの正体がわからないままだったので、どうにもできなかったが、 @yoshiro_mihiraさん、@mstk0531さんからのコメントを元に自分なりのフローに当てはめてみたところ、なんとか上手くいったので書き残しておく。 Alexaの買い物リストを流用したい人は最終的なアウトプットがそれぞれ別々だと思うのでデコード後の処理は適当に読みかえてもらえるとありがたい。 文字コード関連 @mstk0531さんのこの記事にてnode-redのnode-red-contrib-iconvで文字コード変換なら使用できる状態になることがわかった。 もじばけらったで文字コードを改めて調査。 お二人のいうように[ISO-8859-1]→[UTF-8]ということを確認。 そのうえでPythonで試行錯誤した結果、こんな感じに。 def lambda_handler(event, co

    [解決編]AlexaからIFTTT経由でショッピングリストの情報を取得すると文字化けするのをなんとかした - Qiita

  • [Kaggle]画像で遊んでみる(dogs vs cats) - Qiita

    前回までは属性に対しての解析だったので今度は画像を分類わけしてみることにした。 といっても、右も左もわからない状態がどうやって進んだのか？という参考になればという程度のメモである。 犬猫 試してみたのはこっちのコンペのデータ https://www.kaggle.com/c/dogs-vs-cats 犬か猫かを分類しようぜというやつだ。 データ確認 DLしながらデータセットの中身を確認 The training archive contains 25,000 images of dogs and cats. Train your algorithm on these files and predict the labels for test1.zip (1 = dog, 0 = cat). といっても、データを確認するも何もない。 画像を犬(1)か猫(0)に分類しろってだけな模様。 どこか

    [Kaggle]画像で遊んでみる(dogs vs cats) - Qiita

  • [Kaggle]いろいろとTitanicしてみる：過剰適合/過学習/交差検証 - Qiita

    目的 交差検証について調べたりコード化してみる そもそもの発端としては 前回の訓練データだと90ぐらいのスコアになったのをアップロードしてみたらちょこっとしかUPしてなかったということである。 以下のようなろくでもない検証にしかしてなかったのでダメだろうとは思っていたが ここまで差が出るとはちょっとびっくりであった。 なので、調べてみることにした。 [過剰適合] https://ja.wikipedia.org/wiki/%E9%81%8E%E5%89%B0%E9%81%A9%E5%90%88 [交差検証] https://ja.wikipedia.org/wiki/%E4%BA%A4%E5%B7%AE%E6%A4%9C%E8%A8%BC ググってみた。 「モデルの説明変数は必要以上に増やせば増やすほど学習データのシグナルだけでなくノイズにまでフィットしてしまう」 訓練データに最適化しすぎ

    [Kaggle]いろいろとTitanicしてみる：過剰適合/過学習/交差検証 - Qiita

  • [Kaggle]いろいろとTitanicしてみる：グリッドサーチ - Qiita

    ハイパーパラメータのチューニング 前回の続き 交差検証を調べていたら以下の記事に遭遇 https://qiita.com/tomov3/items/039d4271ed30490edf7b これの後半にモデルに対するパラメータのチューニングの仕方が載っていたので、それを参考に今回は「ハイパーパラメータのチューニング」をやってみることにする。 ググる https://blog.amedama.jp/entry/2017/09/05/221037 いくつかググってみたのだが、ここが自分には一番わかりやすかった。 つまるところ、それぞれのモデル？を作成する際のパラメータについて、 いっぱい試したいからそれを設定できるようにしたぜってことの様子。 なので、これだけ理解しても無駄だった。 それぞれのモデルに食わせたいパラメータを理解しないと意味がないと理解。 とりあえず決定木とSVMのパラメータを作

    [Kaggle]いろいろとTitanicしてみる：グリッドサーチ - Qiita

  • [Kaggle]いろいろとTitanicしてみる - Qiita

    前回Kagglerになってみたが、それだとしっくりこなかったり、ほかのモデルを試してみてなかったりしたので 以下を参考にいろいろと試行錯誤してみた。 [Kaggle]0から本当に機械学習を理解するために学ぶべきこと～一流のデータサイエンティストを例に～ [part2]0から本当に機械学習を理解するために学ぶべきこと～一流のデータサイエンティストを例に～ [part3]0から本当に機械学習を理解するために学ぶべきこと～0からscikit-learnを使いこなす～ といっても、なんとなく思考をトレースしただけなので項目の追加などは特にせずに 今後使いまわしやすそうなコード構成に修正したぐらいだが。 全体的にやらないといけないことの流れはなんとなくわかった気がするので、次回別のデータセットで試してみるのもいいかもしれない。 で、いろいろなモデルをまとめて試してみた結果が以下。 こんな感じになった

    [Kaggle]いろいろとTitanicしてみる - Qiita

  • [Kaggle]Kagglerになってみる - Qiita

    先日、とあるAI系の勉強会？説明会？でいくつか話を聞いてきたのだが、その中の一つとしてkaggleなるものを知った。 で、面白そうだったので早速試してみることにした。 ※ゼロから作るDeep Learningあたりを読み途中だったので読み切ってからのほうがいいかなとも思ったが、やる気になったときに初めてみるのがいいかなと思ったのと、わからなかったら本に戻ってくればいいかなと。 kaggleって何？ kaggleって何というのはこの辺を参照してみてください。 https://www.codexa.net/what-is-kaggle/ データサイエンス版のgit hubみたいなものというのが感覚的には一番わかりやすいかも。 カグってみる 何はなくともまずはアカウント作成 どれでも大差ないとは思うが、Facebookのアカウントを使ってサインアップすることにする。 IDを何にする？と聞かれる。

    [Kaggle]Kagglerになってみる - Qiita

  • Alexaに買いたいものを伝えて共有の買い物リストに追加：文字化け対応編 - Qiita

    前段 スキルアワードのお知らせが改めてメールで来てた。 http://alexaskillawards.jp/ 審査や公開前のスキルでも構わないみたいなので せっかくなのでスキル経由でwunderlistに追加できるようなスキルを作ってみることにした。 ※完成しても自分用のベータのみにする予定。 Alexaとwunderlistとの連携の経緯については以下の過去を参照。 ・Alexaに買いたいものを伝えて共有の買い物リストに追加 ・AlexaからIFTTT経由でショッピングリストの情報を取得すると文字化けするのをなんとかしたかった 今回のAlexaスキルの目的 以前Alexaの買い物リストへ登録した際にIFTTT経由でwunderlistにも登録させるような仕組みを構築した。 が、ある日突然文字化けしちゃうようになった。 そこでAlexaの買い物リスト経由ではなく、カスタムスキル経由でダイ

    Alexaに買いたいものを伝えて共有の買い物リストに追加：文字化け対応編 - Qiita

  • Alexa スキルアワード2018　申請編 - Qiita

    前回、申請するためのスキルは作ってみたので今回は申請してみる。 条件 わかってはいたが動画のURLが必須。 動画をどこかにアップロードする必要があるのがめんどくさいが仕方ない。 幸い？2年ぐらい前に作ったYouTubeの投稿用のアカウントがあるのでそれを使おうかと思ったが、 名前がもろに出るので別のチャンネルを作ることにする。 といっても、Googleのアカウント紐づくので、サインインしている状態でYoutubeを開いてアップロードのところでブランド名を設定したら出来上がり。

    Alexa スキルアワード2018　申請編 - Qiita
  • 1

お知らせ

もっと読む

公式Twitter

  • @HatenaBookmark

    リリース、障害情報などのサービスのお知らせ

  • @hatebu

    最新の人気エントリーの配信

はてなブックマーク

公式Twitter

はてなのサービス

  • App Storeからダウンロード
  • Google Playで手に入れよう
Copyright © 2005-2024 Hatena. All Rights Reserved.