【統計分析】機械学習・データマイニング28
レス数が1000を超えています。これ以上書き込みはできません。
!extend:on:vvvvvv:1000:512
!extend:on:vvvvvv:1000:512
!extend:on:vvvvvv:1000:512
機械学習とデータマイニングについて語れ若人
＊機械学習に意識・知能は存在しません。
人の意識に触れたい方はスレ違いです
■前スレ
【統計分析】機械学習・データマイニング27
https://mevius.5ch.net/test/read.cgi/tech/1578892284/
スレ立ての際は、一行目冒頭に
!extend:on:vvvvvv:1000:512
をお願いします。
VIPQ2_EXTDAT: default:vvvvvv:1000:512:: EXT was configured >>950
＞猫とかの判別はある程度できている
(-ω- ?)はて？この根拠はどこにあるのだろう？
人類は過去に一度でも猫判別の精度を測れたことがあるのだろうか？(=ﾟωﾟ=)ﾆｬｰ
夕暮れ時の逆光やレア猫種の微妙な角度などあらゆる場合を想定したデータセットなど用意出きるのだろうか？
やっぱり人の主観によるモデル評価が必要になりそうだ(゜-゜)(。_。)ｳﾝｳﾝ
(ΦДΦ) ＜ｷﾞｷﾞｷﾞ…ﾎﾞｸﾊﾆﾝｹﾞﾝﾆﾅﾚﾙﾉ?
■ディープラーニングの判断根拠を理解する手法
https://qiita.com/icoxfog417/items/8689f943fd1225e24358
無作為割り当て以外の因果推論の場合、残差と説明変数に相互情報量がどのくらい残っているかとか色んな角度で妥当性を検証するからもっと大変だ(ﾟＡﾟ;) xvideosかpornhub辺りで学習させると、顔見ただけで女性器の色と形を類推する「omamco generator」は作れますか？ 猫かどうかの判断は主観でええやろ
どうせラベル付いてんだろうし
教師なしのモデル評価になるとまた変わるか >>957
違う！
かわいいアイドルの顔を読ませて女性器を生成したいの！
鼻がデカい男はイチモツがデカいとか、見えない相関関係があるでしょ？
女性器にも相関関係があると思うの。
唇の色が〇〇なら…的な。 >>952
人間でも難しいものはそもそも判別する情報が不足しているから判別不明だろう
機械学習は人間にできない事も必ず出来るようになるものではないだろう 遺伝的アルゴリズムについての良い参考書ありますか？言語はPythonです。 ディープラーニングの勉強してて画像処理のところに入ったんですけど突然ネットワークの図が板を重ねたようなものになって困惑しています
https://cdn-images-1.medium.com/max/1546/1*wkQi0Y1RI_CpKoJ9jLa_WA.png
こういうやつです。特徴量の数だけ入力層のノードがあってそれが接続されていて重みがあって活性化関数があって……という感じで理解していたのですが
ノードはどこへ行ったのでしょうか >>963
いままで一次元に並んでいたノードを並べ替えただけ
一枚の板にはノードが二次元に並んでいる
板が何枚も並んでいるので三次元になってると思えばいい >>962
遺伝的アルゴリズムは仕組みだけの事だから
どんな本でも良いと思う
1.遺伝子に相当するデータを持たせて
2.環境暴露で評価をソートして選別淘汰
3.ランダムに掛け合わせて子孫生成
4.1からやり直し AWS lambdaかazure functionsでtensorflow-gpu使ったモデルの推論結果を返す関数作りたいんだけどどっち使うのが楽かな？
なんかAWSはpip使えないみたいだしazure の方が良さげ？ >>966
Azure FunctionsはC#/Windowsランタイム以外は使い物にならないゴミなんで手を出しちゃダメ
コンテナにしてFargateとかGCPのCloud Runとかにしたら >ディープラーニングの本質は、n次元ベクトル空間の点集合を超平面で仕切ってみせることである。
こう書かれてた >>969
沢山あるものを分類することを数学的に表現したって事でディープラーニングに限った事ではないような
実現方法の１つにディープラーニングがあるけど学習の計算量で比べると他のSVMとかのアルゴリズムの方が良いんじゃないか？
いろんな視点でどの方法が自分の問題に適しているかを考える必要があるだろう
１つの決定的なアルゴリズムや方法が見つかれば良いけど >>969
でーぷらーにんぐじゃなくて単なる分類問題のことやでそれ
「カブトムシの本質は、6本脚で歩くことなのである」みたいなちぐはぐな主張 言葉の定義について質問です。
1,予測アルゴリズム (e.g. y = a0 + a1 * x1 + ... + an * xn)
2,予測アルゴリズムのパラメータ（で合ってます？）を求める学習（？）アルゴリズ
ム（e.g. 最小二乗法）
3,求められたa0〜an
基本的にデータに対して2を適用して、3を求めて、1と3で予測するっていう流れだと
理解しています
で、「機械学習のアルゴリズム」って言ったときの「アルゴリズム」って1でしょう
か2でしょうか、それとも両方でしょうか
それと「モデル」とは3だけのことを指すのでしょうか、それとも1と3でしょうか、
もしくは全部でしょうか
scikit-learnだとアルゴリズム名のオブジェクト作ってそれにfitしてpredictしてみ
たいにやれちゃうのでちょっと混乱しています
よろしくおねがいします >>972
両方を指すのが普通じゃないかな
こういうのって必ずしも正確な言葉の定義が決まってるわけじゃないから人によって違いそう
もし誰か正確な定義知ってる人がいたら教えてくれ >>972
1がモデル
2が学習アルゴリズム
3はパラメータ
2の学習アルゴリズムもパラメータがあってハイパーパラメータと言われていると思う 普通モデルって言ったら1と3のセットを指すことが多くね？
確かに1だけのことをモデルって呼んでるのも見るけど モデル、ネットワーク、
目的関数、損失関数、
バッチ、ミニバッチ、オンライン
オプティマイザ、最適化アルゴリズム、
パラメータ、ハイパーパラメータ、
過学習、過剰適合とか
似てるようで同じだったり違ったりする用語が
結構あるからなー >>972
1、モデル
2、アルゴリズム
3、パラメータ
です。 世の中的には、AIと機械学習と深層学習が同じだと思われているからな 機械学習で得られるものに君が知能を感じるならそれは人工知能だし知能を感じないなら人工知能ではない
それぐらいに人工知能とは曖昧な言葉なので真面目に論じること自体がおかしい stackoverflowとかquora とか見た感じモデルは予測アルゴリズムにデータから得られたパラメータ入れたもののようだね
要は予測に使うものそのものってことでまぁイメージ通りではある
少なくともパラメータ単独のことをモデルとは言わない模様 単純な計算式を予測アルゴリズムって言うのは気持ち悪い
単にモデルだろ 派遣屋って独自サービス作ろうとして失敗した会社の残骸だったりするんだよな 派遣屋は利益が出ている分野に必ず常駐している寄生虫だろう
半導体とかIT系とか新しいサービスとか
蔓延している分野は確実に成長しない
昔ながらの業種には寄生出来なかったのか派遣がはびこっていない
つまり人が居なくなると高い金を払って直接人を集めないといけないんだな
爺さんでも自営でほんのり稼いでいる人が多い分野になる 人手不足の所に労働力を紹介するのは悪くないだろ
ピンハネ率が低ければ アメリカも多分中国もそうだったと思うが
派遣社員の給料は正社員より高いからな
プロフェッショナルが対応をするイメージになる
それだったら問題は無いんだろう
アメリカで派遣がどうこうと言われてないだろう 米国googleには非正規雇用社員が半分近くいて、正社員と仕事内容が大差ないのに、待遇格差があるって問題になってた気がするぞ このスレッドは１０００を超えました。
新しいスレッドを立ててください。
life time: 111日 15時間 1分 7秒 5ちゃんねるの運営はプレミアム会員の皆さまに支えられています。
運営にご協力お願いいたします。
───────────────────
《プレミアム会員の主な特典》
★ 5ちゃんねる専用ブラウザからの広告除去
★ 5ちゃんねるの過去ログを取得
★ 書き込み規制の緩和
───────────────────
会員登録には個人情報は一切必要ありません。
月300円から匿名でご購入いただけます。
▼ プレミアム会員登録はこちら ▼
https://premium.5ch.net/
▼ 浪人ログインはこちら ▼
https://login.5ch.net/login.php レス数が1000を超えています。これ以上書き込みはできません。
