Python3からMeCabを使う - QiitaDeleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
ポエム判別器 - Qiita
ポエム判別器 Qiita初投稿です。よろしくお願いします。 Qiitaは主に読む方で使わせていただいているんですが、統計ヤクザとか見たことがあるので、正直コメント貰っても返すの怖いし（twitterで受けつけます）、Qiitaはいいかなって思っていました。 しかし、今回はQiitaそのものを評価の対象とするので、Qiitaに投稿したいと思います。 Qiitaでは、主観や感情が入り乱れる投稿は嫌われる傾向があり、負のイメージを持ってポエムと言われることがあります。 それを機械学習で分類していれければいいね、ということで、やってきます。 手法選択 考えられるメソッド Bag of Wordsなどでlogistic-regression Bag of wordsなどでsvm Bag of wordsなどでxgboost doc2vec, fasttextなどのエンベッディングでテキスト分類 Re
Udacity自動運転エンジニアコースのTerm1を終えた感想 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? オンライン講座のUdacityが提供する自動運転エンジニアコースのTerm1を修了したので，その感想を書こうと思います． Udacityとは UdacityとはCourseraやedX等のオンライン講座MOOCの一つであり，自動運転エンジニアコース，AIコース，フルスタックエンジニアコースなど様々なコースがあります．他のMOOCとの違いは，Coursera等はどちらかといえば知識ベースであるのに対し，Udacityはプロジェクトベースであるという点です．また自動運転コースの講義はMercedes-Benz等からも提供されており，最先端の
TensorFlowの基礎 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? きっと今後も似たような話をすることが多そうなのでQiitaのプレゼンテーションモードにしてみようとも思ったらうまくいかなかったので、結局PDF化したものをSpakerDeckに用意しましたが、それなりに書いたのでQiitaの方も残しておきます。 SpeakerDeckにあるものと内容としてはほぼ同じです。 TensorFlowの概要 まずはTensorFlowの概要っぽい部分のお話です。 TensorFlowとは？ TensorFlowのサイト Googleがオープンソース化した機械学習ライブラリ 2015年11月に公開 Google社
TensorFlowのHighLevelAPIについての雑感つき解説 - Qiita
TensorFlow v1.0での目玉の１つにHigh Level APIがあります。v1.0の発表から何故かギョームが忙しくなり、しっかり追いかけきれていませんでしたが、現時点で日本語のまとめ記事っぽいのがなかったので雑感付きでサンプルコードを添えて書いてみようと思います。雑感は、まあ個人の意見ということで、Kerasはちょっと、という方が結構いるのも事実かと思います。 サンプルコードは以前書いた記事同様にirisデータに対して適当なDNNを作ってみたらどうなるか、という感じにしています。厳密にそれぞれの条件を揃えているわけではないのでその辺りはご容赦を。 TensorFlowの基本 まずは改めてTensorFlowの基本的な記述方法です。細かく言い出すとキリがないので、ざっくり言うと以下のような感じでしょうか。 入力用にplaceholderを用意 重みやバイアス用にVariableを
Apache SolrCloudでクラスタ環境構築入門 (クラスタ構築〜分散インデシング〜フェールオーバーまで) - Qiita
はじめに Solr vs ElasticSearchな今日この頃ですが、SolrCloudでのレプリケーション環境構築を試してみました。 「solr -e cloud」で同一サーバー上にexampleのSolrCloud環境は簡単に構築できるのですが、具体的に何をやっているのかよくわからないので、複数サーバーで実際に使うであろう手順を踏んでの構築を試みてました。 先に感想としては、RDBMSでMaster-Slaveでのレプリケーション環境はよく構築していましたが、SolrCloudではZooKeeperを用いてのレプリケーション、フェールオーバー、ノーダーノード自動選出など中央集中管理が非常に魅力的だな感じました。それとドキュメントが充実していてわかりやすいのがいいですね。 今回、SolrCloudで構築したい全体像 今回は最小のクラスタ構成を構築してみるという趣旨で、シャード、ノード、
keras-1チュートリアル流し読み - Qiita
始めに chainerと似て抽象化がされている。 違いの一例としてはネットワークの定義でユニット数の書き方がchainerと逆になってる。Dense(1, input_dim=784,... 出力ユニット数,入力ユニット数の順になってる。 この記事では関数の紹介、使い方、どこで使われてるかを説明できる範囲で紹介します。 ※layer_testというサンプルが多用されてますが、ただのテストコードなことに後で気づきましたので、そのうち直します。 継承関係 Layer ↑ Container ↑ Model ↑ Sequential Keras v2では名前が変わったりしてます。 今はv1を元に書いています。 http://qiita.com/miyamotok0105/items/322b29339e1771184b9e from keras.models import Sequential
Coursera Machine Learning を修了したので、感想を書いてみる - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 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
TensorFlow Fold 入門
はじめに TensorFlow Foldのノートです。 TensorFlow Foldとは 以下の記事でわかりやすく解説されています。 TensorFlow Foldによる動的な計算グラフとDynamic Batching - DeepAge 参考ページ Announcing TensorFlow Fold: Deep Learning With Dynamic Computation Graphs ― Google Research Blog tensorflow/fold TensorFlow Foldについて ― 過去・現在・未来 上記のページのまとめ 構造化データを使用するTensorFlowモデルを作成するためのライブラリ 構造化データ : 自然言語理解の構文解析木、ソースコードの抽象構文木、WebページのDOM木 入力データのサイズや構造はやっかい サイズや構造が異なる入力は、
brewコマンドでmecab用のIPA/Juman/UniDic辞書をインストールする方法 - Qiita
MeCab 用の辞書として、大きく3つあります。 私の感覚としては話し言葉にはUniDicを、文章にはIPAかJumanを用いると良いです。 IPA 辞書, IPAコーパス に基づき CRF でパラメータ推定した辞書 Juman 辞書, 京都コーパスに基づき CRF でパラメータ推定した辞書 UniDic 辞書, BCCWJコーパスに基づき CRF でパラーメータ推定した辞書 それぞれの違いは次の説明が分かりやすいです。 形態素解析と辞書をどのように選べばよいのか 一般に性能が良い、精度がよいものがよいというのであれば、MeCab + UniDic を利用すればよい。但し、出力される単位・品詞が後続の処理において有効であるものと無効であるものがある。付与されている各種情報に基づいて、用途による使い分けをお勧めする。 音韻的な情報が重要な場合 UniDic + MeCab を利用するが、固有
（ 論文調査 ）deep neural network の ハイパーパラメータ チューニング知見資料 - Qiita
論文 は いくつかあるのでしょう が、まず は 大御所 Bengio先生 の 以下の論文 が 参考 に なります。 （ 論文 ） Yoshua Bengio Practical Recommendations for Gradient-Based Training of Deep Architectures 以下 の やりとり の中 で 言及されています。 Google group Chainer Japanese User Group 「LSTMにおける中間層のユニット数」 yukinoji お世話になっております。 chainerを利用してLSTMモデルを構築しているのですが、中間層のユニット数の設定が上手くいかず困っております。 現在およそ15000次元の数値ベクトルを入力として与え、それが0,1の2つのクラスのどちらに所属しているかを教師データとして与え、学習を行うよう実装している
Getting Started With TensorFlow を翻訳 - Qiita
TensorFlowを始めてみることにした。 チュートリアルとしてMNIST等はすでに先人の日本語訳があるため、見当たらなかったGetting Started With TensorFlow (https://www.tensorflow.org/get_started/get_started) (2017/3/11現在)を訳すことにした。 間違い等、ご指摘下さい。 #Getting Started With TensorFlow このガイドであなたはTensorFlowでのプログラミングの準備ができます。このガイドを使う前に、TensorFlowをインストールして下さい。このガイドを最大限活用するには以下のことを知っている必要があります。 Pythonでのプログラムの仕方 配列(arrays)について最低限少しでも知っていること 理想的には何かしら機械学習について。もし少し、または全く知
TensorFlow(+Keras)がWindowsで簡単にインストールできた件 - Qiita
GoogleのブログでTensorFlow 0.12 が Windows をサポートとあったので、試してみると簡単にできました。 実行環境 以前にインストールしたものになります。 Windows 10 Professional 64bit Anaconda3 4.2.0 (Python 3.5) ⇒ CPU版、GPU版どちらでもpython3.5が必要 GeForce GTX 1070 ⇒ GPU版に必要 CUDA Toolkit 8.0 (8.0.44) ⇒ GPU版に必要 cuDNN 5.1 ⇒ GPU版に必要 CPU版でとりあえず試したい方はこちらより「Anaconda3-4.2.0-Windows-x86_64.zip」をそのままイントールしてください。python3.5やJupyterなどがインストールされます。 Tensorflowのインストール Windowsスタートメニュー
[How to!] スーパーマリオをTensorflowで学習＆プレイしよう!! - Qiita
import tensorflow as tf import gym import gym_pull import ppaquette_gym_super_mario from gym.wrappers import Monitor import random import numpy as np class Game : def __init__(self): self.episode_count = 10000; ## select stage self.env = gym.make('ppaquette/SuperMarioBros-1-1-Tiles-v0') def weight_variable(self, shape): initial = tf.truncated_normal(shape, stddev = 0.01) return tf.Variable(initial
![[How to!] スーパーマリオをTensorflowで学習＆プレイしよう!! - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/d59e9847de3f8a59f26af1c306d3dbd7ce92e0a5/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-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCSG93JTIwdG8lMjElNUQlMjAlRTMlODIlQjklRTMlODMlQkMlRTMlODMlOTElRTMlODMlQkMlRTMlODMlOUUlRTMlODMlQUElRTMlODIlQUElRTMlODIlOTJUZW5zb3JmbG93JUUzJTgxJUE3JUU1JUFEJUE2JUU3JUJGJTkyJUVGJUJDJTg2JUUzJTgzJTk3JUUzJTgzJUFDJUUzJTgyJUE0JUUzJTgxJTk3JUUzJTgyJTg4JUUzJTgxJTg2JTIxJTIxJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz1mMGUyMTViNzM5NjEzMTY0MWExMjE3YjRiMTQzYTk2ZQ%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0c3VuYWtpJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0zYjlkMmVmODE2ZDcyYWQ3MzlkNWU4YjUzYTIzNmQ5Nw%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4g5qCq5byP5Lya56S-R0FVU1M%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%2523212121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3D9924d81b7a49a6dc8af535aca6e1277b)
pandas+matplotlibで世界時価総額トップ銘柄のアルファ値とベータ値をアニメ化する - Qiita
4-1. 前処理 csvファイルから株価情報を読みだして，daily-returnを計算します．本記記事では，Udacityで紹介された以下の関数1を使います． get_data(symbol)：symbolのCSVファイルから調整後終値を読みだして，pandas.DataFrame形式で出力する関数です． fill_missing_values(stock_data)：stock_data（pandas.DataFrame）の欠損を穴埋めする関数です． compute_daily_returns(stock_data)：stock_data（pandas.DataFrame）から，daily-returnを計算し，pandas.DataFrameで出力する関数です． 4-2. アニメ化 $\alpha$と$\beta$をアニメ化する関数を作りました．デフォルト設定では，2006年12月1
【人工知能初心者向け】機械学習・Deep Learningプログラミング学習の道筋と参考書籍 - Qiita
【更新】 ※少々表（本のリスト）が見づらかったので変更をしました。 ※著者、出版社については、リンク先のAmazonでご確認ください。 はじめに 今回は私が人工知能プログラミングを学習する際に参考にした書籍と、 そのスキル習得の道筋を上記フローと共に振り返りメモとして残します。 現在私は競馬予想・AIがゲームをプレイするプログラムを作成しています。 これから人工知能の領域に一歩踏み出そうという方に少しでも本Qiitaが役立てば幸いです。 今回具体的にプログラムの説明はしないので、 人工知能プログラム自体に興味のある方は本Qiitaの最後にリンクを載せているので参照してください。 前提 今回選択した書籍は私が読んだものの中でも比較的易しめで、 可能な限りプログラムが添付されているものを選択しました。 なぜなら、プログラムを実装して、動かして、理解して、を繰り返すのが、 スキル習得（実装を含む
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
Qiita_Contents/General/Decision_tree.ipynb at master · matsuken92/Qiita_Contents
Google Compute Engine(GCE)を用いた機械学習環境の立ち上げ - Qiita
TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる CNN編 - Qiita
TensorFlowのiOSデモをビルドする - Qiita
