タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
ダウンロードはこちら 目的や分析するデータの内容によって、選択すべき機械学習アルゴリズムは変わる。例えば製品管理に適したアルゴリズムと、売り上げ予測に適したアルゴリズムは同じとは限らない。アルゴリズムの真価を引き出すには、事前に目的を明確にすることと、各アルゴリズムの特徴を理解することが必要だ。 本資料は、代表的な5つの機械学習アルゴリズム「線形回帰」「決定木」「SVM」「k平均法」「アプリオリ法」のそれぞれの仕組みと、適する用途を説明する。最適なアルゴリズム選びの一助となれば幸いだ。 プレミアムコンテンツのダウンロードはこちら
関連キーワード データ分析 | 機械学習 | アルゴリズム 前編「機械学習の代表的アルゴリズム『線形回帰』『決定木』とは？」は、主要な機械学習アルゴリズム5種類のうち「線形回帰」「決定木」について説明した。後編は残る3種類の機械学習アルゴリズムを紹介する。 併せて読みたいお薦め記事 前編を見る 機械学習の代表的アルゴリズム「線形回帰」「決定木」とは？ AIで何ができるのか AIの本当のすごさ、3つのユースケースから学んだこと AIフィーバーはまだ冷めない 次はどの分野でAIが活躍するか？ 結局、人工知能（AI）技術は何を可能にするのか？ AIのビジネス活用 GoogleのAIが指南する最先端デジタルマーケティング 「キスの仕方」動画も ゲーム業界のデジタルマーケティングに「AI」はどう活用されているか 「Alexa、油汚れの落とし方を教えて」を実現 P＆Gも挑む“顧客とつながるAI” アル
実用的なソフトウエアを開発するにはアルゴリズムの知識は欠かせない。基礎から機械学習まで、厳選した10個のアルゴリズムをPythonによる実装とともに解説する。 ［9 機械学習］ k近傍法 「k近傍法」は、機械学習の「教師あり学習」の中で、最も簡単なアルゴリズムの一つです。あるデータがどのグループに属しているのかを推測するために使います。 k近傍法の処理の流れは、次の通りです。 （1）どのグループに属しているのかわからない未知のデータの“近く”にある「教師データ」を、近い順にk個取り出す。 （2）取り出したk個の教師データそれぞれが、どのグループに属しているのかを集計する。 （3）取り出した教師データが最も多く属しているグループを、未知のデータが属するグループとする。
概要 OpenCV で k 平均法 (k-means) を使い、画像の代表色を取得する方法を紹介する。 以下の用途で利用できる。 画像で使われている主な色を取得する。 画像を見た目にあまり影響がないように減色する。(例: 1000色で表されている画像を8色で表現する。) 概要 cv2.kmeans criteria attempts retval サンプルコード k 平均法で代表色を計算する。 画像の各画素をクラスタの色で置き換える。(減色処理) cv2.kmeans retval, bestLabels, centers = cv2.kmeans( data, K, bestLabels, criteria, attempts, flags[, centers]) 引数 data: 入力データ。形状が (M, N) の numpy 配列。 K: クラスタ数 criteria: アルゴリズ
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
「線形回帰」「決定木」「SVM」「k平均法」「アプリオリ法」とは？ 機械学習の5大アルゴリズム
機械学習の代表的アルゴリズム「SVM」「k平均法」「アプリオリ法」とは？
現在のAIでは必須、教師ありなしで使い分ける「k近傍法」と「k平均法」
OpenCV - k 平均法 (k-means) を使い、画像の代表色を取得する方法 - Pynote
mainichi.jp
mindbloom.co.jp
www.internetacademy.jp
twitter.com
greeenlights.co.jp
chizaizukan.com