俺人〜OREGIN〜俺、バカだから人工知能に代わりに頑張ってもらうまでのお話

このブログでは人工知能（AI）の多角的な側面を深く掘り下げ、その理論と実践の両面を探求していきます。データから知見を引き出す手法の解説に加え、AIが社会に与える影響や、健全な発展に向けたガバナンスの重要性にも焦点を当てます。視覚情報や言語情報、その他の多様なデータを活用した予測モデルの構築を通じて、AIがどのように現実世界の問題解決に貢献できるかを調査・発信していきたいと思います。

トップ > datasets

datasets

TensorFlowで機械学習に挑戦（Pythonによるスクレイピング＆機械学習テクニック）

機械学習 Python TensorFlow Docker 入門 参考書 書籍 復習 keras datasets MNIST models Sequential layers Flatten Dense Dropout compile optimizer loss metrics fit evaluate

今回は、Dockerで構築したTensorFlowの環境で、機械学習（深層学習）に挑戦しました。 今回も Pythonによるスクレイピング＆機械学習開発テクニック増補改訂 Scrapy、BeautifulSoup、scik [ クジラ飛行机 ]の第４章を参考にさせていただきながら、取り組んで…

クロスバリデーションでモデルの妥当性を検証する（Pythonによるスクレイピング＆機械学習テクニック）

機械学習 Python scikit-learn cross_val_score SVM datasets model_selection 開発環境 入門 参考書 書籍 復習

今回は、クロスバリデーションという手法でモデルの妥当性を検証しました。 学習したデータに対してとても良い精度を出すモデルであっても、予測が必要な新たなデータに対する精度が非常に低い、いわゆる「過学習」という状態になることが良くあります。こう…

scikit-learnのSVMを使ってアヤメの品種を分類する（Pythonによるスクレイピング＆機械学習テクニック）

機械学習 scikit-learn SVM Python datasets iris model_selection train_test_split metrics accuracy_score 開発環境 入門 参考書 書籍 復習

今回は、scikit-learnのSVMを使って、アヤメの品種を分類できるようになりました。花びらの長さや幅などの特徴量から品種を分類するということで、本格的に機械学習となってまいりました。 Pythonによるスクレイピング＆機械学習開発テクニック増補改訂 Scra…