【統計分析】機械学習・データマイニング15 [無断転載禁止]©2ch.net

**デフォルトの名無しさん** · 2017/04/16(日) 21:03:36.56

機械学習とデータマイニングについて何でもいいので語れ
人工知能考察は未来技術板の技術的特異点スレで語れ

■関連サイト
機械学習の「朱鷺の杜Wiki」
http://ibisforest.org/
DeepLearning研究 2016年のまとめ
http://qiita.com/eve_yk/items/f4b274da7042cba1ba76

■前スレ
【統計分析】機械学習・データマイニング13
http://echo.2ch.net/test/read.cgi/tech/1487433222/
【統計分析】機械学習・データマイニング14
http://echo.2ch.net/test/read.cgi/tech/1489636623/

**デフォルトの名無しさん** · 2017/06/09(金) 14:52:38.25

chainerできない奴に人権はない

**デフォルトの名無しさん** · 2017/06/09(金) 15:04:28.66

過激chainer信者

**デフォルトの名無しさん** · 2017/06/09(金) 16:27:41.64

うん

**デフォルトの名無しさん** · 2017/06/09(金) 16:43:09.72

連呼、chainerリアン、だったりして

**デフォルトの名無しさん** · 2017/06/09(金) 18:41:50.44

kerasの作者で確定

**デフォルトの名無しさん** · 2017/06/09(金) 20:24:21.63

>>713
そんな奴いないだろ

**デフォルトの名無しさん** · 2017/06/10(土) 04:11:56.58

これから流行るのはマストドン×機械学習だ！

**デフォルトの名無しさん** · 2017/06/10(土) 08:04:04.99

チャイナ

**デフォルトの名無しさん** · 2017/06/10(土) 17:31:27.80

>>712
清水はクズなので

**デフォルトの名無しさん** · 2017/06/10(土) 17:40:40.70

>>712
ちなみの今回の件は清水が勝手に割り込んできて勝手に炎上してるだけ。
相手のライターさんは清水以上の有名人。

清水はもともとクズ扱いされていたけど、今回のダメージは酷いんじゃないかな。

**デフォルトの名無しさん** · 2017/06/10(土) 17:50:01.42

みんな暇もてあましてんなぁ

**デフォルトの名無しさん** · 2017/06/10(土) 18:44:28.72

chainer始めようと思うんだけど、公式以外に参考になるサイトない?

**デフォルトの名無しさん** · 2017/06/10(土) 22:39:06.70

いつもchainer連呼するのに、chainerの有益サイトくらい貼れや

教えてくださいお願いします

**デフォルトの名無しさん** · 2017/06/11(日) 00:56:40.45

>>725
サンプルコードを読むのが一番早いと思うけど。
具体的にはどのへんについて知りたいの。
ニューラルネットそのもの？それともchainer独自の仕様とか？

**デフォルトの名無しさん** · 2017/06/11(日) 16:12:47.72

chainerできるのは自分だけだという前提

**デフォルトの名無しさん** · 2017/06/11(日) 17:17:46.93

脳内chainer信者

**デフォルトの名無しさん** · 2017/06/11(日) 17:42:40.91

Chainer信者→毎日MNIST

**デフォルトの名無しさん** · 2017/06/11(日) 18:55:12.85

斎藤の本に、行列の積のことを行列の内積と書いてあるのですが、なぜですか？

NumPyのライブラリの関数名がdotだからですか？

**デフォルトの名無しさん** · 2017/06/11(日) 19:37:47.47

>>730
同じく不思議に思った

**デフォルトの名無しさん** · 2017/06/11(日) 21:31:11.55

ソフトマックス関数の出力の和は1であるから出力を確率と解釈できる。

みたいなことが書かれていることがありますが、

y_1, y_2, …, y_n が出力であるとき、

s = Σ y_i

z_1 := y_1 /s
z_2 := y_2 /s
…
z_n := y_n / s

を新たな出力とすれば、 z_i の和が1になるからいつでも確率として解釈可能です。

なぜ、出力を確率として解釈できるということをソフトマックス関数の特長である
かのような書き方をするのですか？

**デフォルトの名無しさん** · 2017/06/11(日) 21:34:45.75

分類問題では活性化関数にソフトマックス関数を使うとか誰が決めたんですか？

合理的な説明は可能ですか？

**デフォルトの名無しさん** · 2017/06/11(日) 22:12:15.42

好きなの使えよ

**デフォルトの名無しさん** · 2017/06/11(日) 22:20:07.05

斎藤の本

from PIL import Image

def img_show(img):
pil_img = Image.fromarray(np.uint8(img))
pil_img.show()

img = x_train[0]
label = t_train[0]
img = img.reshape(28, 28)
img_show(img)

とMNISTのデータを画像として表示しています。

これを Jupyter Notebook 上に表示させるにはどうすればいいですか？

**デフォルトの名無しさん** · 2017/06/11(日) 22:21:27.50

別にソフトマックス関数がmustと決まってる訳じゃない
結果的に上手くいってるからそれが流行ってるだけ。

**デフォルトの名無しさん** · 2017/06/11(日) 22:25:18.87

統計力学のカロニカルアンサンブルのモデルを考えれば、同じ次元のパラメータを確率的に影響度を分類する手段として、ソフトマックス関数はありかなと思うけどね。

**デフォルトの名無しさん** · 2017/06/11(日) 22:38:42.08

>>730
あれは普通に間違いだと思う

**デフォルトの名無しさん** · 2017/06/11(日) 22:46:16.02

>>736-738

ありがとうございます。

**デフォルトの名無しさん** · 2017/06/11(日) 22:47:48.71

>>735

matplotlibの場合は以下のコマンドをかけば Jupyter notebook 上に画像が表示されるようになります。

%matplotlib inline

PILの場合も同様のやり方はないでしょうか？

**デフォルトの名無しさん** · 2017/06/11(日) 23:06:02.66

>>735

強引なやり方として、

def img_show(img):
■■■■pil_img = Image.fromarray(np.uint8(img))
■■■■pil_img.show()

を以下のように変更して、 Jupyter notebook 上に画像を表示させています。

def img_show(img):
■■■■pil_img = Image.fromarray(np.uint8(img))
■■■■pil_img.save('temp.bmp')
■■■■img = imread('temp.bmp')
■■■■plt.imshow(img)
■■■■plt.gray()
■■■■plt.show()

**デフォルトの名無しさん** · 2017/06/11(日) 23:46:24.97

カロニカルアンサンブルｗ

**デフォルトの名無しさん** · 2017/06/12(月) 09:36:48.45

>>709
思った人が作る世界

**デフォルトの名無しさん** · 2017/06/12(月) 09:39:25.56

chainer 2.0 って古い資産使えるん？

**デフォルトの名無しさん** · 2017/06/12(月) 10:46:14.31

斎藤の本

p.94

def cross_entropy_error(y, t):
■■■■if y.ndim == 1:
■■■■■■■■t = t.reshape(1, t.size)
■■■■■■■■y = y.reshape(1, y.size)

■■■■batch_size = y.shape[0]
■■■■return -np.sum(np.log(y[np.arange(batch_size), t])) / batch_size

これ間違っていますね。

y.ndim == 1 のときに、

cross_entropy_error(np.array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1], 3)

みたいな使い方ができないはずです。

**デフォルトの名無しさん** · 2017/06/12(月) 10:50:06.62

cross_entropy_error(np.array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1], np.array([3]))

とすればＯＫですが、不自然です。

(x_train, t_train), (x_test, t_test) = load_mnist(normalize = True, one_hot_label = False)

とすると、

t_train は、 [[3], [1], [4], [1], [5], …] ではなく、 [3, 1, 4, 1, 5, …] みたいなデータになるからです。

**デフォルトの名無しさん** · 2017/06/12(月) 10:52:56.23

それと、p.91では、使っていた delta をp.94では忘れていますね。

**デフォルトの名無しさん** · 2017/06/12(月) 13:56:09.59

だいたいそのインデント代わりの四角なんやねん、クッソ見にくいわそれだけで氏ね

**デフォルトの名無しさん** · 2017/06/12(月) 13:58:32.69

つーかこういう系の書籍に誤植があるのなんて珍しくもなんともないだろ、いちいち騒ぐことじゃない

**デフォルトの名無しさん** · 2017/06/12(月) 14:21:36.69

斎藤康毅のディープラーニングの本に意味が分からないコードがありました。

p.111

def f(W):
■■■■return net.loss(x, t)

net は simpleNet というクラスのインスタンスです。

このコードがさっぱり分かりません。

W がなぜ引数にあるのでしょうか？

**デフォルトの名無しさん** · 2017/06/12(月) 14:34:19.68

インデントの■はそのまま貼り付けると大変なことになるから俺はいいと思う

**デフォルトの名無しさん** · 2017/06/12(月) 14:51:29.93

def softmax(x):
■■■■if x.ndim == 2:
■■■■■■■■x = x.T
■■■■■■■■x = x - np.max(x, axis=0)
■■■■■■■■y = np.exp(x) / np.sum(np.exp(x), axis=0)
■■■■■■■■return y.T

■■■■x = x - np.max(x) # オーバーフロー対策
■■■■return np.exp(x) / np.sum(np.exp(x))

def cross_entropy_error(y, t):
■■■■if y.ndim == 1:
■■■■■■■■t = t.reshape(1, t.size)
■■■■■■■■y = y.reshape(1, y.size)
■■■■■■■■
■■■■# 教師データがone-hot-vectorの場合、正解ラベルのインデックスに変換
■■■■if t.size == y.size:
■■■■■■■■t = t.argmax(axis=1)
■■■■■■■■■■■■
■■■■batch_size = y.shape[0]
■■■■return -np.sum(np.log(y[np.arange(batch_size), t])) / batch_size

**デフォルトの名無しさん** · 2017/06/12(月) 14:52:31.32

def numerical_gradient(f, x):
■■■■h = 1e-4 # 0.0001
■■■■grad = np.zeros_like(x)
■■■■
■■■■it = np.nditer(x, flags=['multi_index'], op_flags=['readwrite'])
■■■■while not it.finished:
■■■■■■■■idx = it.multi_index
■■■■■■■■tmp_val = x[idx]
■■■■■■■■x[idx] = float(tmp_val) + h
■■■■■■■■fxh1 = f(x) # f(x+h)
■■■■■■■■
■■■■■■■■x[idx] = tmp_val - h
■■■■■■■■fxh2 = f(x) # f(x-h)
■■■■■■■■grad[idx] = (fxh1 - fxh2) / (2*h)
■■■■■■■■
■■■■■■■■x[idx] = tmp_val # 値を元に戻す
■■■■■■■■it.iternext()
■■■■■■■■
■■■■return grad

**デフォルトの名無しさん** · 2017/06/12(月) 14:52:48.36

class simpleNet:
■■■■def __init__(self):
■■■■■■■■self.W = np.random.randn(2,3) #標準正規分布による 2x3 の行列

■■■■def predict(self, x):
■■■■■■■■return np.dot(x, self.W)

■■■■def loss(self, x, t):
■■■■■■■■z = self.predict(x)
■■■■■■■■y = softmax(z)
■■■■■■■■loss = cross_entropy_error(y, t)

■■■■■■■■return loss

**デフォルトの名無しさん** · 2017/06/12(月) 14:54:09.40

x = np.array([0.6, 0.9])
t = np.array([0, 0, 1])

net = simpleNet()

f = lambda w: net.loss(x, t)
dW = numerical_gradient(f, net.W)

print(dW)

★★★★★★★★★★★★★
★↑の f が理解できません。★
★★★★★★★★★★★★★

**デフォルトの名無しさん** · 2017/06/12(月) 14:57:27.95

まず、

仮引数の w が使われていません。

仮引数に渡していない、 net, x, t を使っているところもよくわかりません。
グローバル変数ということでしょうか？

その関数 f を numerical_gradient に渡しています。

**デフォルトの名無しさん** · 2017/06/12(月) 15:03:35.02

スコープについて正確に理解していないからよく理解できないのかもしれません。

**デフォルトの名無しさん** · 2017/06/12(月) 15:05:03.31

numerical_gradient 内のこれ↓ですが、 x はダミーの引数ですね。

fxh1 = f(x) # f(x+h)

**デフォルトの名無しさん** · 2017/06/12(月) 15:07:56.32

グローバル変数の net というのは、関数の中で呼び出されている関数の中でも
使えるんですか？

**デフォルトの名無しさん** · 2017/06/12(月) 15:09:49.85

あ、できますね↓

glvar = "abc"

def myfunc1():
■■■■myfunc2()

def myfunc2():
■■■■print(glvar)

myfunc1()

**デフォルトの名無しさん** · 2017/06/12(月) 15:11:05.87

しかし、この斎藤っていう人、こんあひどいコードをよく恥ずかしげもなく公開できますね。

**デフォルトの名無しさん** · 2017/06/12(月) 15:11:58.06

なんでこの斎藤っていう人の本は高評価なんですか？

こんなひどいコード見たことがないです。正直言って。

**デフォルトの名無しさん** · 2017/06/12(月) 15:12:31.37

意図的に人を混乱に陥れようとしているかのようです。

**デフォルトの名無しさん** · 2017/06/12(月) 15:22:22.17

def f(W):
■■■■return cross_entropy_error(softmax(np.dot(x, W)), t)

↑こう書けば、x, t がグローバル変数ですが、理解可能だったと思います。

**デフォルトの名無しさん** · 2017/06/12(月) 15:37:37.83

もっと先でどうなっているのか知りませんけど、

コードの再利用を絶対しなければならないとかいう強迫観念があるかのようですね。

**デフォルトの名無しさん** · 2017/06/12(月) 15:49:25.68

松坂君はアスペなのでスルー

**デフォルトの名無しさん** · 2017/06/12(月) 16:20:19.77

レス飛んで見えない…

**デフォルトの名無しさん** · 2017/06/12(月) 18:38:50.85

def numerical_gradient(f, x):
■■■■h = 1e-4 # 0.0001
■■■■grad = np.zeros_like(x)
■■■■
■■■■it = np.nditer(x, flags=['multi_index'], op_flags=['readwrite'])
■■■■while not it.finished:
■■■■■■■■idx = it.multi_index
■■■■■■■■tmp_val = x[idx]
■■■■■■■■x[idx] = float(tmp_val) + h
■■■■■■■■fxh1 = f(x) # f(x+h)
■■■■■■■■
■■■■■■■■x[idx] = tmp_val - h
■■■■■■■■fxh2 = f(x) # f(x-h)
■■■■■■■■grad[idx] = (fxh1 - fxh2) / (2*h)
■■■■■■■■
■■■■■■■■x[idx] = tmp_val # 値を元に戻す
■■■■■■■■it.iternext()
■■■■■■■■
■■■■return grad

◆QZaw55cn4c · 2017/06/12(月) 18:56:22.69

ideone にでも貼って

**デフォルトの名無しさん** · 2017/06/12(月) 19:03:49.53

日記帳かな？

**デフォルトの名無しさん** · 2017/06/12(月) 20:14:17.83

■の交差点に当たる部分が黒っぽく見えるヤツは脳に障害があるから気をつけろ

**デフォルトの名無しさん** · 2017/06/12(月) 20:20:13.35

錯視が見えない人のほうがやばいのではないでしょうか？

↓新井仁之さん作の錯視です。

夏ワナー夏ワナー夏ワナー夏ワナー夏ワナー
夏ワナー夏ワナー夏ワナー夏ワナー夏ワナー

ーナワ夏ーナワ夏ーナワ夏ーナワ夏ーナワ夏
ーナワ夏ーナワ夏ーナワ夏ーナワ夏ーナワ夏

夏ワナー夏ワナー夏ワナー夏ワナー夏ワナー
夏ワナー夏ワナー夏ワナー夏ワナー夏ワナー

**デフォルトの名無しさん** · 2017/06/12(月) 20:49:15.33

>>771
黄色に見えるんだが、まずい？

**デフォルトの名無しさん** · 2017/06/12(月) 22:03:20.22

ID:yuw+moiOは今日の一位

**デフォルトの名無しさん** · 2017/06/12(月) 22:10:40.76

ここまでスレを私物化するとは恐れ入った

**デフォルトの名無しさん** · 2017/06/13(火) 00:04:52.44

出版社に聞けば良い

**デフォルトの名無しさん** · 2017/06/13(火) 01:30:08.30

ID:yuw+moiO
は問題点とその解決策を知っているのに
それをネタに以前から機械学習スレに寄生して自己アピールしている輩。
本の誤植をする暇あったら自分で話題を振った人工脳、囲碁ソフトを最後まで貫徹しろ

**デフォルトの名無しさん** · 2017/06/13(火) 01:52:16.95

こいつ定期的に湧いては毎回捨て台詞残して去ってくガイジよな？

**デフォルトの名無しさん** · 2017/06/13(火) 07:08:16.37

そうそう、ここはお前の日記帳ちゃうからな定期

**デフォルトの名無しさん** · 2017/06/13(火) 07:14:38.89

ここはchainerをマンセーするとこみたい

**デフォルトの名無しさん** · 2017/06/13(火) 08:50:19.28

chainerのモデルをc言語に変換する機能を早く作ってくれ

**デフォルトの名無しさん** · 2017/06/13(火) 16:46:55.59

>>781
chainerのモデルを機械語にへんかんする機能を早く作ってくれ。

**デフォルトの名無しさん** · 2017/06/13(火) 17:19:48.06

Cならtiny-dnnとか使ってみてはどうだろうか

**デフォルトの名無しさん** · 2017/06/14(水) 22:18:18.87

ニューラルネットの作図何使って書いてる？
いいのあったら教えてくれ

**デフォルトの名無しさん** · 2017/06/14(水) 23:13:46.17

作図ってなんやねん
ANNなんて作図もクソもないやろ

**デフォルトの名無しさん** · 2017/06/15(木) 00:00:11.41

>>784
ビジオ

**デフォルトの名無しさん** · 2017/06/15(木) 01:36:53.25

『入力⇒機械学習⇒出力』

って書けば十分

**デフォルトの名無しさん** · 2017/06/15(木) 17:45:58.79

正論

**デフォルトの名無しさん** · 2017/06/15(木) 17:51:51.86

異論

**デフォルトの名無しさん** · 2017/06/15(木) 23:28:36.01

定説です

**デフォルトの名無しさん** · 2017/06/15(木) 23:40:54.67

風説

**デフォルトの名無しさん** · 2017/06/16(金) 00:07:33.45

いちいちニューロンと結びつけて話す必要はない

**デフォルトの名無しさん** · 2017/06/16(金) 06:02:19.10

時系列データって深層強化学習で処理できんの？

**デフォルトの名無しさん** · 2017/06/16(金) 13:37:27.48

<<-C%%->>
OZHEZ-[[[\\%5%==GLAMB]]]
E=4.323111111111111111111111111111111121
0.4E5Z<<<OBROB%/++11/$end

**デフォルトの名無しさん** · 2017/06/16(金) 16:26:19.45

ICONIP
いきたいけど旅費がない
萌芽の発表は7月だし

**デフォルトの名無しさん** · 2017/06/16(金) 16:33:36.33

発表もしないのにいけるのか、ゆとり

**デフォルトの名無しさん** · 2017/06/16(金) 16:48:21.80

斎藤康毅のゼロから作るDeep Learningはどの本を元に書いたのでしょうか？

**デフォルトの名無しさん** · 2017/06/16(金) 18:38:29.18

http://www2.nhk.or.jp/hensei/program/p.cgi?area=001&;date=2017-06-16&ch=21&eid=28823&f=758
今朝ポナンザの山本一成さんがNHKに出てた

**デフォルトの名無しさん** · 2017/06/16(金) 18:41:12.93

↑上のリンクから再放送依頼できるけど

アーカイブに今晩バックナンバー載りそう
http://www.nhk.or.jp/kaisetsu-blog/400/

**デフォルトの名無しさん** · 2017/06/16(金) 21:00:01.03

>>771
黒？白(灰色)の間違いじゃないの

**デフォルトの名無しさん** · 2017/06/16(金) 23:30:43.54

>>800
なるほど確かに脳に障害がありそうだ

**デフォルトの名無しさん** · 2017/06/17(土) 07:16:47.10

>>797

これだろ
ttp://nnadl-ja.github.io/nnadl_site_ja/index.html

**デフォルトの名無しさん** · 2017/06/17(土) 09:45:56.10

>>801
そうなの？正常な脳にはどう見えるのかな

**デフォルトの名無しさん** · 2017/06/17(土) 13:16:08.56

しっかし、アホみたいな本が増えたな。
ニューラルネットワーク=バックプロパゲーションで解かないとダメみたいなアホがホントに増えた

**デフォルトの名無しさん** · 2017/06/17(土) 20:03:30.75

バックプロップ以外に実用性があるものってなに？

**デフォルトの名無しさん** · 2017/06/17(土) 20:51:18.42

バックドロップかな。防犯に最適。

**デフォルトの名無しさん** · 2017/06/17(土) 21:21:33.08

まあANN入門するような人には分かりやすくていいんじゃない？

**デフォルトの名無しさん** · 2017/06/17(土) 21:40:55.39

人工勾配とか？

**デフォルトの名無しさん** · 2017/06/17(土) 22:16:18.94

ニューロファジーはオワコン？

**デフォルトの名無しさん** · 2017/06/17(土) 22:18:41.30

ファジーは確率論そのものだからな
完全に吸収されハッテン的に解消された

**デフォルトの名無しさん** · 2017/06/17(土) 22:28:09.02

誰もやってないのならやってみたら

**デフォルトの名無しさん** · 2017/06/18(日) 13:35:07.62

kerasの日本語ドキュメントはバージョン1のまま
WARNING出て気付いた
keras使う人は最初から英語ドキュメント見て書いたほうが良い