前回まで、ディープラーニングの骨格となる人口ニューラルネットワークの構成について見てきました。今回から二回に渡って順方向伝搬と逆方向伝搬、実際に「学習」が行われる過程について説明していきます。まずは順方向伝搬です。 （※）このシリーズはディ…

このシリーズも折り返し地点を越えました。前回までで人口ニューラルネットワークがどのような動きをするかがわかったと思います。その中で、重みづけであったり、バイアスであったり、予想をするうえでプログラムが勝手に決めてくれる部分があるということ…

第3回のテーマは「人工ニューラルネットワーク」です。 前回は個々の人工ニューロンの動きについて理解しましたね！とは言え単体のニューロンでは複雑なタスクは実行できないので今回は複数のニューロンを組み合わせた人工ニューラルネットワーク（Artificia…

今回のテーマは「生物学的ニューロンと人工ニューロンの違い」です。 まずニューロンとは何か、脳内のニューロンが実際にどのように機能するかを探り、人口ニューロンについて理解していきましょう！ （※）このシリーズはディープラーニング（深層学習）入門…

今回はディープラーニング入門編のその1です。まずは簡単な概念から説明していき、最終的にはPythonでニューラルネットワークを構築していきます。 （※）Keras、Scikit-learnなどのライブラリーには直ぐに使える深層学習のフレームワークが多数ありますが、…

皆さん機械学習やプログラミングの教科書を見ると、学習の結果予想した値の変数名をy_hatとしているのをよく見かけると思います。 column0001 このy_hat、一体何かの略なのでしょうか？ 実は統計用語と深い関係があります。下の式を見てください。 column000…

前回に引き続きここでは最小二乗回帰を使ってデータセットの関係性を予測していきたいと思います。 【前回のまとめ】 一次関数と仮定しての回帰は正直かなり微妙な出来だったと思います（下図）。これで「予想できました！」と言われても・・・って感じです…

ここでは以前作成したテストデータを使います。テストデータを与えて最小二乗回帰という方法を使用して入力と出力の関係性を予想できるでしょうか？？ 【最小二乗回帰とは】 そもそも統計的回帰の問題では入力値と出力値の間の関数関係に可能な限り近似する…

ここでは今後機械学習やディープラーニングの学習を進めていくためのテストデータを作成します。 【使用するメソッド】 numpy.linspace（） 線形に等間隔な数列を生成します。 pylab.plt.plot() グラフを描画します。 【コード】 0003-2create_testdata 今回…

ここでは強化学習の一例で作成した、コイントスの結果を予測するプログラムの解説を行います。 ssp はコインの性質、asp はプログラムの賭け方 簡易版でもご説明した通りsspでは80%の確率で表、20％の確率で裏というこのコインの性質を定義しています。「1」…

ここでは強化学習の一例としてコイントスの結果を予測するプログラムを作成します。【強化学習とは】 そもそも強化学習とは機械学習手法の一つで、プログラム自体が試行錯誤しながら最適な制御を実現してくれます。学習してもらうデータに正解、不正解はあり…

ここでは教師なし学習の一例として作成したクラスタリングのプログラムの動作を解説していきます。 make_blobs() サンプルデータの生成 今回このメソッドはサンプルデータを作成するために使いました。 n_samples: 生成するサンプルの総数 centers: クラスタ…

ここでは教師なし学習の一例としてクラスタリング（分類）を自動でしてくれるプログラムをPythonを使って書いていきます！ 【使用するメソッド】 sklearn.cluster KMeans n個の観測値をk個のクラスターに分類します。 make_blobs 好きな数のサンプル（blobs…