Aidemy-機械学習概論
本日はAidemyで機械学習概論を受講しました。
機械学習とはどういうものか大まかに理解することができますが、
自分にとってはほとんど既知のことでしたね。
これで無料で受講できる講座はすべて受講したことになります。
ディープラーニングを実装できるようになるためにはもっと実践的な演習ができるものをやっていかないといけないですね。
明日からは別のコンテンツにチャレンジしていきたいと思います。
例によって勉強したことをまとめます。
-----------------------------------
・少ない画像でカスタマイズした学習済みモデルを作る手法として転移学習が主流
・過学習を防ぐ方法
正則化:線形回帰で利用可能 係数が大きくならないようにチューニング
ドロップアウト:ディープラーニングで利用 モデルの一部を抜く
交差検証法:テストデータの選び方を全通り試す
・性能評価指標:混同行列(TP, FN, FP, TN)
正解率 Accuracy = (TP+TN)/(FP+FN+TP+TN)
精度 Precision = TP/(TP+FP)
再現率 Recall = TP/(TP+FN)
F値 F value = 2TP/(2TP+FN+FP)
〇Python(sckit learn)での実装例
import numpy from sklearn.metrics import confusion_matrix from sklearn.metrics import precision_score, recall_score, f1_score # データを格納します。0が陽性、1が陰性 y_true = [0,0,0,1,1,1] y_pred = [1,0,0,1,1,1] # 変数confmatにy_trueとy_predの混同行列を格納 confmat = confusion_matrix(y_true, y_pred) precision_score(y_true, y_pred) #Precisionの計算 recall_score(y_true, y_pred) #Recallの計算 f1_score(y_true, y_pred) #F値の計算