index: 概要 環境 学習データ コード 考察 関連 概要 以前の ディープラーニングの予測問題の関連となります ネットワーク層を増やして、精度のテスト行いたいと思います。 ・ネットワーク構成、層の数は、タイタニック問題と似ていますが 予測問題用のモデ…

index: 概要 環境 学習データ コード 考察 関連 概要 以前の DL版タイタニック問題の関連となり。 ニュラルネットワークのネットワーク層数を増やして、テストしてみました。 環境 python : 3.5.2 numpy pandas keras : 2.1.3テストは、google colab など 学…

index: 概要 環境 学習データ 結果 コード 評価 関連 概要 以前の ロジスティック回帰の タイタニック問題の関連となり。 ディープラーニングで、結果を分類してみました。 環境 keras : 2.1.3 tensorflow : 1.4 python : 3.5.2テストは、google colab など …

index: 概要 環境 学習データ コード 評価 関連 概要 以前の 機械学習の重回帰分析 の関連となります。 ディープラーニングで、家賃の予測機能を実装してみます。 環境 keras : 2.1.3 tensorflow : 1.4 python : 3.5.2テストは、google colab など 学習デー…

index: 概要 参考 環境 学習データ 結果 処理 関連のコード まとめ 概要 初心者問題らしい kaggle Competition のタイタニック問題を実施してみました。 https://www.kaggle.com/c/titanic 今回は、ロジスティック回帰で進める事にしてみました。 参考 https…

index: 概要 環境 参考の資料 学習データ コード github 実行 概要 前回の重回帰分析と異なり、 目的変数が、連続した値ではなく 予測したい変数が連続数値ではなく、2種類の選択（購入する /しない）の場合 を考えます。 環境 python 3.5 scikit-learn nump…

index: 概要 環境 学習データ コード 評価 関連 概要 前回の重回帰分析の続編とり、 家賃の予測機能を検証したいと、思います。 不動産の物件情報を学習し、特定の物件の家賃を予測 scikit-learn を使用 ・前回と、機械学習の流れは同じで、学習データは、 …

概要 環境 参考の資料 学習データ コード 実行、評価 概要 重回帰分析で、複数の変数（説明変数）を含むデータ学習し、予測を出力する例をテストしてみました。 scikit-learn を使用 環境 python 3.5 scikit-learn numpy 参考の資料 東大さまの、データサイ…

index: 概要 環境 参考の書籍 コード 評価 実行ログ 概要 ディープラーニングの、予測系問題として、温度値の数値予測を検討してみました。 python版で、フレームワークは使用しておりません。 設計については、書籍を参考にしていますので。オリジナル仕様…

index: 概要 環境 画像データ コード 実行ログ 関連 概要 前回は、自前で準備した画像で、ImageDataGenerator flow_from_directory() を使用して、学習用/ 評価用データを準備しましたが。 評価時の、正解率などが。よく把握できなかったので 画像読み込み処…

index: 概要 環境 画像データ コード 関連 概要 前回は、自前で準備した画像の keras で画像認識の学習、評価、を行いました。 mnist以外のデータで、CIFAR-10データ を試してみたいと思います 環境 keras : 2.1.3 tensorflow : 1.4 python : 3.5.2 画像デー…

index: 概要 環境 コード 実行結果 まとめ 関連 概要 前回は、keras で画像認識の学習、検証（画像認識の判定結果出力）等、 一連の流れを記載しましたが。 ディープラーニングで画像認識で、認識精度を向上させる為に、 学習画像数を増やしたり、前処理での…

index: 概要 環境 処理の流れ コード 学習データの配置 実行方法 説明など ログ等 参考 概要 mnist 等のサンプル以外で、画像認識の実装テストを行いました。 条件として、自前の画像を準備（カメラ撮影、ネット検索等で取得）し、 ラベル情報を追加して、教…

概要 前回の、Hexo 静的サイトジェネレーターの関連となりますが、 カスタムテーマの色調を、変更しやすくできるように修正しました。前回と同様、bootstrap3 + CSS3 でレスポンシブ構成ですが。 lessを使用、色のRGB値を変数に設定し。 一括して色の値を、…

概要 前回の、Hexo 静的サイトジェネレーターの関連となりますが、 カスタムテーマを追加しました。前回と同様、bootstrap3 + CSS3 でレスポンシブ構成 1) top画面サイドバー付、２カラムのレイアウト 2) 色調は、グレー系としました。 デモＵＲＬ https://k…

概要 前回の、Hexo 静的サイトジェネレーターの関連となりますが、 カスタムテーマ更新版を公開しました。前回と同様、bootstrap3 + CSS3 でレスポンシブ構成 1) 投稿(post)詳細の、サイドバー追加。レイアウト調整 2) カテゴリ一覧の、レイアウト調整 デモ…

index: 概要 テンプレート構成 作成したサイト、 github pages 作成したテーマ 概要 前回の、Hexo サイトジェネレーターの関連となりますが、 公開テーマを、適用するのでなく。 カスタムテーマの作成を試してみたいと思います。bootstrap3 + CSS3 でレスポ…

index: 概要 参考 初期設定、準備とか ルートのパスの変更 テーマの変更 more タグ カテゴリの追加 GitHub Pages で公開する。 xcopy で、一括コピー。apache/htdocs 概要 サイトジェネレーターの Hexoを使って、 ブログ等のサイト構築を試してみました。 gi…

概要: 標準テーマを使用せず、カスタム自作テーマ等を組み込む場合で 詳細画面(single.php) の、画像サイズのレスポンシブ化が 難航したのでメモです。 => 内容的には、カンタンなＣＳＳ追加のみ。 環境とか wordpress 4.9.6 テーマ：twentysixteen のカスタ…

index: 概要 必要なimport plot() plot + sin 波形 散布図 hist() pie() 概要 データの可視化で、matplotlibの機能の説明になります参考のページ / tutorial:https://matplotlib.org/tutorials/introductory/sample_plots.html#sphx-glr-tutorials-introduct…

概要 前回続き、機械学習の関連となります。 IoT温度データから scikit-learnを使用して線形回帰モデルでグラフ描画までテストしてみました。 比較的カンタンなデモですが、ライブラリの読み込みも速めで、 使いやすく見えました。今回は、データ分析、特徴…

index: 概要 参考のページさま 環境 結果 code update まとめ 概要 機械学習の関連となります。 ディープラーニングも対応できそうなchainer を使って、IoTデータの数値予測してみました。前は、LSTMのKeras+ tensorFlow 版でしたが、 Ubuntu以外のLinux で…

index: データの準備 この試行結果を根元事象（基本事象）といいます 統計的確率 統計的確率 確立変数 確率分布: ベルヌーイ分布： 二項分布： ポアソン分布： 必要なimport import numpy as np import numpy.random as random import scipy as sp import pa…

index: 分散 標準偏差 平均値 中央値 最頻値 要約統計量 四分位範囲 必要なimport # import numpy as np import numpy.random as random import scipy as sp import pandas as pd from pandas import Series, DataFrame import matplotlib.pyplot as plt imp…

index: .info() mean median() mode() describe() .info() dataFrame についての、情報が表示できます。importしておきます # import numpy as np import numpy.random as random import scipy as sp import pandas as pd from pandas import Series, DataFr…

ソート 指定列で、ソートする。 a2 = {'ID':['11','12','13' ] ,'birth':[1980,1973,1970 ] ,'type1':['a','b','c' ]} frame2 = DataFrame( a2) #frame2 a3 = frame2.sort_values(by='birth' ) print(a3 ) 結果： ID birth type1 2 13 1970 c 1 12 1973 b 0 …

merge() dataFrame マージ 結合用のデータを準備しておきます。 # a1 = {'ID':['11','12','13' ] ,'city':['Tokyo','Osaka','Kyoto' ] ,'num1':[ 101 ,102,103 ] } frame1 = DataFrame(a1 ) print(frame1 ) a2 = {'ID':['11','12','13' ] ,'birth':[1980,198…

作成 a1 = {'ID':['11','12','13' ] ,'city':['Tokyo','Osaka','Kyoto' ] ,'num1':[ 101 ,102,103 ] } frame1 = DataFrame(a1 ) print(frame1 ) 結果： ID city num1 0 11 Tokyo 101 1 12 Osaka 102 2 13 Kyoto 103 T 置き換え、行列の転置が可能です。 a2= …

必要な import import numpy as np import numpy.random as random import pandas as pd from pandas import Series, DataFrame 配列の作成 # Series a1 = pd.Series([5,6,7,8,9]) print(a1) a1 = pd.Series(np.arange(5, 10 ,dtype='f')) print(a1 ) 結果：…

numpy の行列の作成 、操作のの説明となります。 reshape() 行列の作成作成 #行列の作成 a1 = np.arange(9).reshape(3,3) print(a1 ) 結果： [[0 1 2] [3 4 5] [6 7 8]] ３×３の行列が、出力されます。 行の取り出し。 ０行目 a1[0, :] < 結果: >|python| ar…