Python:機械学習
学習済ウェイトを使って簡単に試すことができる「DeepLearningベースの物体検出(Yolo3)」ですが、tensorflow2.0で動くものがあったので試してみました。
Wikipediaのテキストで学習済の「Word2Vec学習済モデル」を使った簡単な「近い言葉探し遊び」的なデモを作ってみます。
WEBブラウザに画像ファイルをドロップしてBase64エンコードする処理と、Base64エンコードテキストを受け取って、学習済モデルを使って何の画像かを識別する処理を組み合わせて、簡単なデモンストレーションを作ってみます。
今回は機械学習(ディープラーニング)の画像分類の学習用によく利用されている「ImageNet(ILSVRC2012)データセット 」の分類名を日本語変換するためのPythonクラスを用意してみます。
tensorflow2.0に付属の「tf.keras.applications.VGG16」モデルを使って、1000種類の画像を識別できるPythonクラスを簡単に作ってみます。 ※2019/01/21の記事をTensorflow2.0対応にリライトしました。 はじめに 今回利用するモデルはVGG16です。 www.tensorfl…
気象実績と、関西電力の使用量という現実のデータでランダムフォレストで予測をやってみた前回の結果をもとに、もう少し精度があがらないかやってみます。
気象実績と、関西電力の使用量という現実のデータで学習用データを作ってみたので、今回はそれを使ってランダムフォレストを使って回帰問題をやってみます。
大阪の過去の気象データをダウンロードして、関西電力の電力消費量データと組み合わせたら、練習用として面白い学習データが作れると思うので、やってみます。
関西電力が提供する「関西エリア」の電力消費実績データをダウンロードして、いろいろいじくってみます。
手書き数字画像(Scikit-learn付属のdigits)を、教師なしで分類(クラスタリング)してみて、どの程度の精度がでるものなのかを見てみようと思います。
非線形回帰問題のサンプルとして、Sinカーブの予測をScikit-learnのサポートベクターマシン(SVM)と、kerasのシンプルな全結合のみのモデルで試しにやってみます。
3次式の線形回帰問題をPythonでやってみます。ついでに、同じ問題に、LinearRegression以外の罰則付き回帰の実装であるRidge回帰とLasso回帰も適用して、使い分け方などをメモしておこうかと思ってます。
線形回帰問題をPythonで解く「scikit-learn」の「LinearRegression」クラスの使い方と決定係数での評価について、基本的なところを、おさらいしておこうかと思います。
入力した文章の疑わしい部分を指摘する機能のデモ画面を作ってみます。疑わしい部分とは、「誤字の可能性が高い部分、誤字では無いが珍しい使い方、他により良い表現がありそうな部分等」です。
複数行にわたる文章を1行に要約した結果を返すデモ画面を作ってみます。
keras-yolo3を利用して物体検出をした時に、コンソールログに面白い情報が出力されるのに気づいたので、それを使って検出した画像の切り取りをやってみます。
CPUのみの非力なWindows10マシンでも、さくっと動かせる物体検出(Yolo3)のチュートリアルがあったので、やってみました。
ひょんな事からAR(拡張現実)なるものを試してみることになったので、やり方を一通りまとめてみました。AR.jsとA-Frameです。
事前学習済Word2VecモデルをGensimでロードして、トピック分析結果を返すpythonプログラムを作り、動作確認にいくつか単語の計算をやってみます。
リクルートさんの「Talk API」とdjango+bootstrapを使って、簡単なチャットボットもどきを作ってみます。