Fiche d'apprentissage 6 (10e jour)

Dossier d'apprentissage (10e jour)

Début des études: samedi 7 décembre Livres utilisés: Miyuki Oshige "Details! Note d'introduction à Python3 »(Sotech, 2017)

Reprise de [Tableau Numpy (Ch.15 / p.380)](9ème jour), Terminé jusqu'au [Classification des caractères manuscrits (Ch.16 / p.396)](10ème jour)

Nous allons commencer l'apprentissage automatique à partir d'aujourd'hui.

Apprentissage automatique (classification des caractères manuscrits)

(1) Divisez les données d'entraînement en données d'entraînement et données de test. (2) Mettez les données de formation et les données de l'enseignant dans ** l'apprenant **. → Modèle formé (classificateur) (3) Mettez les données du test et les données de l'enseignant dans le classificateur et évaluez les performances.

・ Utilise un appareil d'apprentissage appelé scikit-learn -Classification des caractères manuscrits (à l'aide du module jeux de données du package sklearn) Un package est une collection de ** plusieurs modules **. ・ Pratiquez l'utilisation des données d'image numériques de scicit-learn Cette fois, les données d'image (digits.data) et les données de l'enseignant (digits.target) sont utilisées séparément. 2/3 des données d'image sont des données d'entraînement, 1/3 sont des données de test Les données des enseignants sont également divisées de manière à correspondre à ce qui précède. L'algorithme utilise SVM (Support Vector Machine) SVC ・ Lorsque j'ai mis les données de test dans le classificateur, l'erreur suivante s'est produite  Classification metrics can't handle a mix of multiclass-multioutput and multiclass targets → Je l'ai résolu quand j'ai tout essayé à nouveau Cause inconnue ···. Lors de la reproduction, il y a eu une erreur à plusieurs reprises en raison de l'espace pleine largeur, donc cela peut être possible.

Gamma dans SVM de la machine vectorielle de support

-Non limité au gamma, les paramètres de l'apprenant peuvent être ajustés avec l'argument de svm.svc (). Dans le livre, gamma = 0,001 et la précision était de 96,3%, mais lorsque gamma = 1, la précision tombait à 9,8%. Au contraire, lorsque gamma = 0,001, la précision est de 93,2%. Il ne semble pas que ce soit bas. L'ajustement ici correspond-il à l'accord que vous entendez souvent?

Recommended Posts

Fiche d'apprentissage 9 (13e jour)
Fiche d'apprentissage 3 (7e jour)
Fiche d'apprentissage 5 (9e jour)
Fiche d'apprentissage 6 (10e jour)
Fiche d'apprentissage 8 (12e jour)
Fiche d'apprentissage 1 (4e jour)
Fiche d'apprentissage 7 (11e jour)
Fiche d'apprentissage 2 (6e jour)
Fiche d'apprentissage 16 (20e jour)
Dossier d'apprentissage 22 (26e jour)
Dossier d'apprentissage n ° 21 (25e jour)
Fiche d'apprentissage 13 (17e jour) Kaggle3
Dossier d'apprentissage n ° 10 (14e jour)
Fiche d'apprentissage 12 (16e jour) Kaggle2
Dossier d'apprentissage n ° 24 (28e jour)
Dossier d'apprentissage n ° 23 (27e jour)
Dossier d'apprentissage n ° 25 (29e jour)
Dossier d'apprentissage n ° 26 (30e jour)
Dossier d'apprentissage n ° 20 (24e jour)
Dossier d'apprentissage n ° 14 (18e jour) Kaggle4
Dossier d'apprentissage n ° 15 (19e jour) Kaggle5
Fiche d'apprentissage 11 (15e jour) Participation de Kaggle
Enregistrement d'apprentissage de la programmation 2ème jour
Dossier d'apprentissage n ° 17 (21e jour)
Dossier d'apprentissage
Dossier d'apprentissage n ° 18 (22e jour)
Dossier d'apprentissage n ° 3
Dossier d'apprentissage n ° 1
Dossier d'apprentissage n ° 2
Dossier d'apprentissage n ° 19 (23e jour)
Dossier d'apprentissage n ° 29 (33e jour)
Dossier d'apprentissage n ° 28 (32e jour)
Dossier d'apprentissage n ° 27 (31e jour)
Apprentissage Python jour 4
Fiche d'apprentissage (2ème jour) Scraping par #BeautifulSoup
Dossier d'apprentissage jusqu'à présent
Fiche d'apprentissage (4e jour) #Comment obtenir le chemin absolu à partir du chemin relatif
Fiche d'apprentissage Linux ① Planifier
<Cours> Apprentissage en profondeur: Day2 CNN
<Cours> Apprentissage en profondeur: Jour 1 NN
Sujets> Deep Learning: Day3 RNN
Fiche d'apprentissage (3e jour) Méthode de description du sélecteur #CSS #Scraping avec BeautifulSoup
Enregistrement d'apprentissage (6ème jour) #Set type #Dictionary type #Conversion automatique de l'ensemble de taples de liste #ndarray type #Pandas (type DataFrame)
Étudiez en profondeur le Deep Learning [DW Day 0]
[Rabbit Challenge (E qualification)] Apprentissage en profondeur (jour2)