VISUAL ARTISTS ✕ IMAGENArtists endlessly reimagine Alice’s Adventures in Wonderland by fine-tuning Imagen 2 in each of their unique styles.
![AI Experiments | Experiments with Google](https://cdn-ak-scissors.b.st-hatena.com/image/square/9688615523e7962073cc95b80e7400628534e38b/height=288;version=1;width=512/https%3A%2F%2Fstorage.googleapis.com%2Flabs-web-prod%2Fpreview.webp)
VISUAL ARTISTS ✕ IMAGENArtists endlessly reimagine Alice’s Adventures in Wonderland by fine-tuning Imagen 2 in each of their unique styles.
前回、株式の時系列データを分析する話で、後半にちょっとだけ機械学習の話をしました。今日は機械学習ライブラリ scikit-learn に触れます。 scikit-learn といえば以前にも簡単なクラスタリングの例をあげたり、サポートベクトルマシンやクラスタリングで問題を解く、 TF-IDF を計算する、回帰モデルの可視化、 DBSCAN によるクラスタリングといったことをしてきましたが、あらためてライブラリの機能を整理します。 機械学習と言うと難しい数学を駆使するイメージがつきまといますが、完成度の高いライブラリを使えば利用者が機械学習の手法そのものを実装しなくても利用することはできます。もちろん手法の内容に対する理解は必要ですが、せっかく scikit-learn という事実上デファクトとも言えるライブラリが存在するのですから、これを使うところから入門していくのが良いかと思います。 以
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