CNNとKNNの複合による分類精度の観測（機械学習における複数アルゴリズムの併用） - Qiita
この記事は、自身のブログ、Data Science Struggleを翻訳したものになる。 概略 Kaggleのようなコンテストだと複数のアルゴリズムを組み合わせたモデルを良く見る。ロジスティック回帰やラッソ回帰の結果を用いてxgboostでモデルを作成するといったようなものだ。 今回は実際に、cifar-10のデータセットを用いて、CNNとKNNを組み合わせて予測を行い、実際の精度を見てみる。 手順 行うことはシンプルであり、CNNで予測したスコアを訓練データとしてKNNでモデルを作成し、その予測を最終予測結果とする。 具体的な手順は以下のようになる。 データを3つに分割する 一つ目のデータからCNNモデルを作成する 二つ目のデータと三つ目のデータに対してCNNモデルで予測を行う 二つ目のデータのCNN予測スコアを用いてKNNモデルを作成する 三つ目のデータのCNN予測スコアに対して、K
Kaggleで、Deep Oceanの画像コンペの結果が出ました - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 久々の投稿ですね。Kaggleで出場したコンペについて記載します。 どんなコンペティション？ コンペティションのページはこちらです。 プランクトン121種類の画像を識別します。プランクトンの画像サイズは異なり、 画像はモノクロ画像です。 どんな手法を使ったの？ ConvolutionalNeuralNetwork(CNN)を使って、識別を行いました スコア自体はpublic 0.899218,private 0.904137と非常にお粗末なスコアでした 実装アルゴリズムは ①リサイズ（32 x 32） ②150枚以下のクラスについては学習する前に150前後まで数を増加させる ③pre-processing（flip、切り取り）で28倍に増加 ④CNNで学習 ⑤Baggingでテスト CNNは3x3のカーネルを組み合わせ、多層にして構築しました
Kaggle CIFAR-10の話 - デー
以前、Kaggle CIFAR-10 に参加していると書きましたが、これが2週間ほど前に終わりました。コンペはまだ Validating Final Results の状態なのですが、2週間たっても終わらず、いつ終わるのか謎なのと、多分結果は変わらないと思うので先に書きます。 CIFAR-10は、次のような32x32の小さな画像にネコ、犬、鳥など10種類の物体が写っているので、与えられた画像に何が写っているか当てる問題です。 （Kaggle CIFAR-10のデータセットは、通常のCIFAR-10と結果の互換性がありますが、チート防止に画像のハッシュ値が変わるように改変されているのと、テストセットに29万枚のジャンクイメージが含まれています。） 自分の結果は、0.9415 (正解率94.15%)で、Classification datasets results によると、state-of-
1
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
