こんにちは。 林@アイエンターです。 前回はブログでは数学的なアプローチの回帰分析のお話をいたしました。 最近は統計分析や機械学習の分野では、Pythonが使われるケースが増えています。 Pythonには、数理演算やデータ可視化の強力なライブラリがそろっているのが その一因かと思います。 今回は「scikit-learn」という機械学習で良く用いられるpythonライブラリを紹介します。 非常にパワフルなライブラリーです。 実際、前回のブログのサンプルデータをライブラリーで回帰分析してみます。 ■環境セットアップ 「Anaconda」という、Pythonパッケージをインストールします。 これはPython本体と、科学技術、数学、データ分析関連で良く使われるライブラリを、一括でインストールできるパッケージです。 Windows/MacOS/Linuxのそれぞれのパッケージが用意されています。
はじめに TensorFlowは、機械学習用のアルゴリズムを記述するためのインターフェースで、大規模システムからスマホまで、幅広い環境で使えるのが利点のようです。 Qiitaでもかなり話題になっており、現時点ですでに100以上の投稿があります。そのため、もう特に書くことはないのかなーと思ってましたが、Mac + Dockerの環境でインストールする例が見当たらなかったので、そちらのメモを書いておくことにしました。TensorFlowの基本的な解説を知りたい方は、こちらの記事を御覧ください。 Dockerを使った理由 今まで使ったことがなかったので面白そう、というのが主な理由ですが、MacでTensorFlowを使う場合は、Dockerでインストールするのが簡単だよ、とこちらの記事に書いてあったせいもあります。Windowsの場合も、Dockerを使うのが一番楽、とこちらの方で言われてます。
個人的に科学技術計算でよく使っている Python のコードを備忘録を兼ねて紹介していこうと思います。 今回は機械屋さんには剛体の運動を扱うときに座標変換でお馴染の、 3 次元の回転行列 のコードを紹介します。 回転行列、座標変換の説明は Wikipedia など詳しいページが沢山あるのでそちらを参照ください。 回転行列でややこしいのは、回転軸をどの座標系の座標軸にし、回転順序をどう定めるかによって形が異なるところです。 また、回転行列 \(\mathbf{R}\) と座標変換行列 \(\mathbf{A}=\mathbf{R}^{-1}=\mathbf{R}^{T}\) を混同しやすいので注意が必要です。 下図に示す 3 次元空間を考え、 空間座業系 \(O-\boldsymbol{e}_1\boldsymbol{e}_2\boldsymbol{e}_3\) に対する物体座標系 \(B-
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
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