サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
都知事選
aidemy.net
前回の記事 皆さんこんにちは。さっそくですが、まずはこの記事を読んでみて下さい。 この記事、深層学習の得意分野である手書き文字認識をあえて深層学習を用いずに実装しています。学習の際の教師データはscikit-learnの”digits“データ。8×8画素の数字データです。 ロジスティック回帰を用いましたが、実際に書いてみた手書き文字の認識精度は63%… 良くはないけど悪くもないといった感じです。 流石にこの精度ではいけないのでは…? ということで、今回は真打ち登場、深層学習を用いて同じデータセットを識別してみたいと思います。 ロジスティック回帰の問題点 今回の実装には、畳み込みニュートラルネットワークを使います。 上記の記事ではロジスティック回帰を使っていますが、その基本的な考え方は 画像のピクセル毎の明暗データを説明変数とし、画像に書かれている数を目的変数にすることで機械学習のモデルに適
AIを学ぶなら、アイデミー 先端技術で 人と組織の可能性を 広げよう コンテンツのわかりやすさ、 システムの使いやすさを高く評価いただき、 ユーザー数10万人突破!
のように、単語を複数の特徴と数字で表現したものです。高次元なので、この特徴の項目を200個~300個にして表現します。 GoogleのTensorFlow、FacebookのFastTextというライブラリはディープラーニングを用いてテキストデータから分散表現されたモデルを獲得します。 Embedding Projector を見るとすごくイメージしやすいです。 このサービスはGoogleが提供しているもので、分散表現が3Dまたは2Dで可視化されたサービスです。これを用いて例えば”Japan”と入力すると (見づらいのでご了承ください…) “korea”,“chainese”とともに”manga”や”sony”といった日本に関連の深い単語が表示されます。”manga”と”anime”はとても近いことがわかります。 面白い技術です。これは使ってみたい!ということで Pythonを使って”類似
このページを最初にブックマークしてみませんか?
『Aidemy | AIプログラミングの学習をオンラインで。機械学習やデータ分析を基礎から...』の新着エントリーを見る
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