Python-猿でもできるページランク計算＆ソーシャルグラフの可視化 - Qiita
Vagrant + VirtualBox + Python + ライブラリで簡単に仮想環境を作って実装してみました。 rubyでソーシャルグラフや行列を扱っていて、扱いにくいことが多々あったので、Pythonで行列計算やグラフの可視化などをやってみたら、めちゃくちゃ簡単且つ実用的だったので、まとめました。 利用したPythonライブラリについて 1. Scipy scipyは、パッケージは科学技術計算での共通の問題のための多様なツールボックスがあります。サブモジュール毎に応用範囲が異なっています。応用範囲は例えば、補完、積分、最適化、画像処理、統計、特殊関数等。 scipy は GSL (GNU Scientific Library for C and C++) や Matlab のツールボックスのような他の標準的な科学技術計算ライブラリと比較されます。 scipy は Python での
人工データを使ってPylearn2でDBMを試してみた - Qiita
Pylearn2を使ってDeep Learningしてみました。 まともなデータを使ってテストはしていないし、まともなアウトプットが出ていないので、"ふ〜ん、Pylearn2ってこんな感じか"、っていうPylearn2の雰囲気をつかむ目的で読んで頂けますと助かります。 Pylearn2のインストール とりあえず公式のドキュメントを参考にしてください。 theanoのバージョンによってはエラーが出るため、その場合は下のstackoverflowを参考にして下さい。 Pylearn2 dev documentation psycopg2, pymc, theano and DYLD_FALLBACK_LIBRARY_PATH 参考資料 とりあえず、下のコンピュータビジョン最先端ガイド6を一読して、Deep Learning Tutorialsを読みつつtheanoで実装しながら動かすと、なんと
バンディットアルゴリズムを使って広告最適化のシミュレーションをしてみたよ - Qiita
はじめに 本エントリではバンディットアルゴリズムの各手法について，実際のユースケースを想定したシミュレーションを行うことで，それぞれの手法の特徴を把握すること目的とします． バンディットアルゴリズムについて日本語でよく参照されているのは以下のQiitaの投稿でしょうか． http://qiita.com/yuku_t/items/6844aac6008911401b19 また以下の資料では各手法の詳細や特徴，簡単なシミュレーションも紹介されています． http://www.slideshare.net/greenmidori83/ss-28443892 上記の資料の手法の紹介はとてもわかりやすいので本エントリでは手法の紹介は特にしません． 想定するユースケース あなたは今1万回表示されてクリック率が1.2%出ている広告を1クリック60円で運用しています． もっとクリックされる広告を見つける
機械学習クソ素人の俺がプロダクトをリリースするまでの2ヶ月で覚えたこと - Qiita
scikit-learnでちょっとした機械学習をするのは、LAMPでちょっとしたWebアプリをつくるよりも簡単です。 下記に自分が入門してから2ヶ月間で覚えたことをまとめました。 ハイライト 重要だと思ったこと3つ 機械学習の概要 scikit learnについて Google Prediction API,Mahout,Spark,Cythonについてそれぞれ一言所感 重要だと思ったこと3つ 1.機械学習に明るい友人をもつこと どんな技術でもそうだけど、友人に聞いて概要を先に掴んでおくと自信を持って進めることができます。この自信を持っていると心が折れにくくなります。 @fukkyyに「入門サイトは難しい用語つかってビビらせてくるけど、ライブラリを使えば機械学習はこわくない」と教わり、巷にある入門サイトを無視してライブラリをたたき始めたので入りやすかったです。 @ysks3nに次元削除や各
CaffeでDeep Learning つまずきやすいところを中心に - Qiita
はじめに 近年Deep Learningへの注目が高まっていますが、多くの場合膨大なデータを必要とすること、学習にはGPU計算環境が必要であったりなど、独特の敷居の高さがあります。この記事では、この敷居を大きく下げるであろうCaffeについて紹介します。ただ、Caffeを紹介する記事はすでに良いものがたくさんあり、そもそも公式documentがかなり充実しているので、今回は躓きやすい部分や他の記事があまり触れていない部分を中心に紹介していきます。 Caffeって何？ CaffeはDeep Learningのフレームワークの一つです。Deep Learningは一般に実装が難しいとされていますが、フレームワークを使えばかなり手軽に扱うことができます。 代表的なフレームワークには、 Caffe theano/Pylearn2 Cuda-convnet2 Torch7 などがあります。この中でも
pythonで遺伝的アルゴリズム - Qiita
必要にせまられて，pythonでgenetic algorithmを作成した．実際にはこれをスパコンでの特殊用途のために変更するから，汎用的でなくなる．．． アルゴリズムは以下： 特徴として： numpyやscipyなどが必要． ある目的のために，multiprocessingを利用して並列に関数値評価を行っている． 適応度を計算するルーチンも評価関数とは別にGAに外から与えなければいけない． ベストな値は保存して，ルーレット選択を行う． 終了判定は世代の上限のみ． ソースコードはここに載せるものなのかどうか悩ましいが．．． 使い方は面倒だから載せない．mainルーチンを見れば分かっちゃうかな． 以前のソースコードでは，multiprocessingを使った並列処理が間違っていて，並列処理になっていなかった． このバージョンでは，一応並列処理ができているはず．．． u""" Genetic
はじめるDeep learning - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? そうだ、Deep learningをやろう。そんなあなたへ送る解説記事です。 そう言いながらも私自身勉強しながら書いているので誤記や勘違いなどがあるかもしれません。もし見つけたらご連絡ください。 Deep learningとは こちらのスライドがとてもよくまとまっています。 Deep learning つまるところ、Deep learningの特徴は「特徴の抽出までやってくれる」という点に尽きると思います。 例えば相撲取りを判定するモデルを構築するとしたら、普通は「腰回りサイズ」「マゲの有無」「和装か否か」といった特徴を定義して、それを
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
