index: 概要: 環境 参考のコード 実装など 参考のページ 概要: 前のTensorFlow.js 関係で、 node側で学習したモデルを、HTTP経由で読み込み ブラウザ側で、評価する例となります。 前回と異なり。node側で評価しない構成です 環境 TensorFlow.js node.js Vue…

index: 概要: 環境 参考 保存の処理 例です node.js版 参考のページ 概要: 前のTensorFlow.js 関係で、 学習済のモデルを、保存する例となります。 環境 TensorFlow.js ブラウザ 参考 https://www.tensorflow.org/js/guide/save_load 保存の処理 Local Stora…

index: 概要: 環境 参考のコード 画面 実装など 参考のページ 概要: 前のVue.js + express 関連になりますが、 機械学習の予測結果を sqlite3に保存する例となります流れとしては、下記となります ・測定データCSVを学習処理 ・予測の出力を、CSV保存 ・予測…

index: 概要: 環境 画面 参考のコード 学習処理 参考のページ 概要: 前のVue.js + express 関連になりますが、 機械学習の予測結果をmongoDBに登録し chart.js でグラフ描画の追加となります。・入力データは、前のVue.jsの測定値を 学習させて、予測値を出…

index: 概要: 環境 参考のコード 準備 実装など Vueコンポーネント 関連のページ 概要: 前のSPA (Vue.js/ Vuec CLI 3)関連で、flask + 機械学習で クロスドメインの機械学習API サービスと接続し 評価結果を出力する機能と、なります。・機械学習は、予測問…

index: 概要 環境 web画面 コード データセット 関連 概要 前の、自然言語処理の関連となります。 TF-IDF の AIチャットボットの、学習データを CSVファイルから、読み込み可能な方法の、例となります。・UI面は、BotUI のJSライブラリを使用しています。 ・…

index: 概要 環境 コード データセット 処理 概要 機械学習で、決定木 を使用した。分類問題をテストしてみたいと 思います定義としては、 ある目的（毒キノコかそうでないか、ある商品を購買するかどうかなど）に到達するために、 データの各属性の条件分岐…

index: 概要 環境 コード データセット 処理 結果 概要 機械学習で、SVM を使用した。分類問題をテストしてみたいと 思いますSVM 定義としては、下記のようでした 訓練データにおいて、他クラスの中で最も近い位置にあるサポートベクタを基準として、 距離（…

index: 概要 環境 参考 コード データセット 処理 結果 概要 機械学習で、k-NN を使用した。分類問題をテストしてみたいと 思います 環境 python 3.5.2 sklearn 参考 https://qiita.com/fujin/items/128ed7188f7e7df74f2c コード python3 です。 github.com …

index: 概要 環境 コード データセット 処理など 関連のページ 概要 前の、 自然言語処理 で TF-IDF 関係となりますが、 俳句、短歌を機械学習させて、入力文章と、 類似文章を抽出する。web画面の作成となります。・ 画面は、前回と同じ Bot UIライブラリを…

index: 概要 環境 コード 関連のページ 概要 前の、 自然言語処理関係となりますが、 TF-IDFで、学習済みの TfidfVectorizer を保存して、 評価時に、読込むテストしてみました。 環境 python 3.5.2 janome sklearn コード github.compython3 です。train.py…

index: 概要 環境 参考 コード 処理など デモの画面 まとめ 関連のページ 概要 前回の、自然言語処理の関連となります。 slackチャットからの、入力文章を webhook経由で AI/機械学習サーバからの応答を出力する例となります。webhookは、aws EC2 ubuntu16で…

index: 概要 環境 参考 コード 処理 テスト 概要 前回の、自然言語処理の関連となります。 TF-IDF TfidfVectorizer + janome で、類似文章の抽出 してみたいと思います。 環境 python 3.5.2 janome sklearn numpy 参考 http://tadaoyamaoka.hatenablog.com/e…

index: 概要 環境 参考 形態素解析 コード 関連のページ Github 概要 前回の、word2vec の関連となりますが。 doc2vec + janome で、NLP( 自然言語処理 ) してみたいと思います。 今回は、類似の文章を抽出する例です。 環境 python 3.5.2 janome gensim 参…

index: 概要 環境 参考 形態素解析 ライブラリ、NLP関係 学習データ コード Github 概要 word2vec + janome で、NLP( 自然言語処理 ) してみたいと思います。 今回は、類似単語を抽出する例です。 環境 python 3.5.2 janome gensim 参考 https://blog.aidemy…

index: 概要 環境 参考 機械学習の docker環境へ構築 docker の配置準備 実行 Github 概要 機械学習の環境を、aws EC2に構築。 docker を使って簡易的に構築すると。少し楽でした。 環境 EC2 amazon Linux 参考 https://qiita.com/yumatsud/items/33bc22f7d8…

index: 概要 環境 修正の作業 概要 raspberry PIで、久しぶりに機械学習ライブラリを、再構築したのですが。 numpy等のimportエラーが、なかなか回避できず。 対策方法を、メモしたいと思います。 raspbian の問題ではなく、pip3の問題かもしれません。=> 失…

index: 概要 関連 環境 設定等 画面 Github 参考、 以前のflask版の WEB実装 概要 機械学習の機能を、 web フレームワークの Djangoで、web実装する内容となります。 機械学習は、前の不動産の家賃の予測機能です。 関連 knaka0209.hatenablog.comknaka0209.…

index: 概要 参考 環境 Github 機能 まとめ 概要 前回の、flask関連となりますが。機械学習と 軽量web フレームワークのflaskで、 webアプリの実装を行いました。=> 機械学習は、前回の家賃予測の機能を 実装し、学習済みの modelファイルから 予測を出力し…

index: 概要 コンペ 環境 学習データ 前処理 結果の提出 参考コード 概要 kaggleチャレンジで、 PUBG Finish Placement Prediction 予測問題 コンペ https://www.kaggle.com/c/pubg-finish-placement-prediction ケームの、勝率的な値の、予測らしいですね …

index: 概要 コンペ 参考 環境 学習データ 前処理 結果の提出 概要 kaggleチャレンジで、 New York City Taxi Trip Duration 予測問題 コンペ https://www.kaggle.com/c/nyc-taxi-trip-duration タクシーの、乗車時間を予測する。問題らしいですね 参考 http…

index: 概要 参考 環境 学習データ コード 評価 参考のコード 概要 予測問題で、kaggle House Prices: Advanced Regression https://www.kaggle.com/c/house-prices-advanced-regression-techniques 今回は、sklern 重回帰分析で進める事にしてみました。 参…

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…

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= …