閃 き

閃き- blog

きらびやかに、美しく、痛烈に.

Python

Numpyでカーネル回帰

カーネル法は,非線形データ解析に対する強力な武器です.ソフトマージンSVM・ガウス過程・クラスタリングなどのアルゴリズムの基本要素として頻出します.このポストでは,カーネル法を使って回帰問題を解く手続きを,Pythonで再現してみました. ※ なお,…

ガウス過程と回帰モデル(線形~線形基底~ガウス過程)

1. ガウス過程(GP, Gaussian Process) 1.1 ガウス分布の共役性 1.2 ガウス分布の切断と周辺化 1.3 ガウス過程の定義 2. さまざまな回帰モデルの比較 2.1 回帰問題とは? 2.2 線形回帰モデル 2.2.1 線形回帰モデルの準備 2.2.2 線形回帰モデルのベイズ的解…

Kullback-Leibler Divergenceについてまとめる

1. KL-divergenceとは? 1.1 定義 1.2 基本的な性質 1.3 KL-divergenceは距離なのか? 2. 諸量との関係 2.1 KL-divergenceと相互情報量 2.2 KL-divergenceと対数尤度比 2.3 KL-divergenceとFisher情報量 3. 参考書籍 !! お知らせ(2020.06.10) * こちらの記…

Keras/Tensorflow : CIFAR-10のMobileNetV2-likeなアーキテクチャを作った

MobilenetV2-残差ブロックの構造 0. 前提 1. 動作環境 2. プログラム import_CIFAR-10.py mobilenetv2.py main.py 3. 学習結果 0. 前提MobileNetV2は、2018/04にGoogleのMark Sandlerらによって発表された論文:"MobileNetV2: Inverted Residuals and Linear…

Keras/Tensorflow : CIFAR-10のVGG-likeなアーキテクチャを作った.

VGG1. 動作環境OS: Ubuntu 16.04 Package Version ------------------- ------- python 3.5.0 tensorboard 1.9.0 tensorflow 1.9.0 h5py 2.8.0 Keras 2.2.2 Keras-Applications 1.0.4 Keras-Preprocessing 1.0.2 2. プログラム import os import numpy as np…

Google TF Object Detection API : SSD (Single Shot MultiBox Detector) - MobileNetV1 (with MS COCO)をローカル環境で動かす方法

1. はじめに 1.1 論文リンク 1.2 Githubの公式ページ 2. APIが要求するライブラリをローカル環境にインストールする 3. Githubから必要なファイルをダウンロード 3.1 Configファイル(JSON形式)のダウンロード 3.2 モデルの学習済み特徴量のダウンロード 3.3 …

Tensorflow : MNISTを小規模なCNNで解いてみる

1.プログラム 2.ログ(コンソール画面) TensorFlowの練習がてら。 分類精度(accuracy)は98.9%The simple implementation in python 3.6.6 with Tensorflow 1.9.0. 1.プログラム # coding: utf-8 import tensorflow as tf from tensorflow.contrib.learn.pytho…

コマンドラインで .ipynb → .python

the command for converting to python file>: jupyter nbconvert --to python ファイル名.ipynb

備忘・numpy.reshapeまとめ

よく忘れるのでメモしておく。 まず、テスト用の配列z(numpy.ndarray)を用意する。 zの形式は、3行4列。 import numpy as np z = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) ##-- IN --## z.shape ##-- OUT --## (3, 4) 1. 「reshape(1, -1…

scikit-learn : pythonで重回帰分析をやってみた

multiple-regression 1. 重回帰分析についての所感 1.1. 用語など 1.2. モデル評価:「モデル」の性能を学習結果から評価する 1.3. モデル選択:「モデルの適用」に対する妥当性を検証する 1.4. Pythonでの実装まわり 2. scikit-learnのサンプルデータセット…