Math.NET Numericsのインストール .NET向けの数値計算ライブラリであるMath.NET Numericsを使う．Nugetからインストール可能である．プロジェクトの右クリックメニューから「Nugetパッケージの管理」をクリックし，出てきたダイアログで「Math.NET Numerics」検索しインストールする． ソースコード 以下が確認用プログラムのソースコード． using System; using System.Collections.Generic; using MathNet.Numerics.Statistics; namespace MathNetTest { class Program { static void Main(string[] args) { var data = new double[] { 3, 4, 5, 6, 10 }; // Lis

今回は機械学習とか統計で扱うデータセットの標準化について。 まずは、標準化されていない生のデータセットについて考えてみよう。 それらの多くは、次元によって数値の単位がバラバラだったり、あるいは大きさが極端に異なったりする。 これをそのまま扱ってしまうと、各次元を見比べたときにそれぞれの関係が分かりにくい。 また、機械学習においては特定の次元の影響が強く (または反対に弱く) 出てしまったりすることもあるらしい。 そこで、それぞれの次元のスケールを同じに揃えてやりたい。 これを標準化というようだ。 今回は「Zスコア」という標準化のやり方を扱う。 これは、一言で言ってしまえばデータセットの各要素から平均を引いて、標準偏差で割ったもの。 これをすると、データセットは平均が 0 で標準偏差・分散が 1 になる。 使った環境は次の通り。 $ python --version Python 3.5.1

機械学習の１分野であるパーセプトロンの勉強をするときに参考にしたのが、以下のページです。 http://d.hatena.ne.jp/echizen_tm/20110606/1307378609 RGB形式で入力した色が暖色系なのか寒色系なのかを返すプログラムを例題として扱っています。実際にコード書いて、パーセプトロンの基礎を紹介しています。誤差関数（＝損失関数）として確率的勾配降下法についても説明＆具体的なプログラムを紹介してるページです。とても参考になりました。 で、これと同じプログラムを、.NET Framework用の機械学習ライブラリであるAccord.NETを使って書いてみました。 #作ったプログラム 今回作ったプログラムはこんな感じのものです。 #パーセプトロンによる判定 実装の前に、パーセプトロンについて学んでおくと、より理解が深まります。こちらのページの解説がとても分かり

An explanation of your regex will be automatically generated as you type.