cakes（ケイクス）cakesは2022年8月31日に終了いたしました。 10年間の長きにわたり、ご愛読ありがとうございました。 2022年9月1日
米アマゾン、休暇シーズンのトップセラーは人工知能スピーカー
英ロンドンで公開された米アマゾンの人工知能スピーカー「エコー」（2016年9月14日撮影）。(c)AFP/dpa/CHRISTOPH DERNBACH 【12月28日 AFP】インターネット通販最大手の米アマゾン・ドットコム（Amazon.com）は27日、感謝祭から年末にかけてのホリデーシーズンに最も売れた商品が、同社の人工知能スピーカー「エコー（Echo）」だったことを明らかにした。 2014年に発表されたエコーは、派生モデルのエコー・ドット（Echo Dot）と同様、愛称である「アレクサ（Alexa）」と呼び掛けることで音声による指示が可能な装置。スマート家電やその他の機能にも連動でき、人工知能の家電化という流れの一翼を担っている。 アマゾンの消費者担当主任のジェフ・ウィルキー（Jeff Wilke）氏は声明で、「エコーとエコー・ドットは、今年アマゾンにおいて一番売れた商品だった」と
【翻訳】scikit-learn 0.18 User Guide 3.2. 推定器のハイパーパラメータのチューニング - Qiita
ハイパーパラメータとは、推定器内の、直接学習されないパラメータのことです。 scikit-learnでは、それらは引数として推定子クラスのコンストラクタに渡されます。典型的な例には、サポートベクター分類器の C、 kernel 、 gamma 、LASSO の alpha などがあります。 最適なクロスバリデーション：推定器の成果 のスコアで、ハイパーパラメータ空間を検索することは可能であり、推奨されます。 推定器を構成する任意のパラメータは、このようにして最適化することができる。具体的には、与えられた推定器のすべてのパラメータの名前と現在の値を見つけるには、次のようにします。 検索は次のようになります。 推定器（独立変数または sklearn.svm.SVC() などの分類器） パラメータ空間 候補を探索またはサンプリングする方法 クロスバリデーション スコア関数 いくつかのモデルで
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
