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.
(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.
-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