タダです。
日課
Python文法
今日は以下のことを学びました。
- 関数:処理をまとめたもの
- 仮引数:関数の引数
- 仮引数の初期化:関数の引数でのデフォルト値
- モジュール:Pythonで書かれたファイルのこと
- importを使うとモジュールを取り込める
- 読み込んだモジュールの関数を使いたい場合、「モジュール名.関数名()」
- 標準ライブラリはあらかじめ準備されたモジュール群(random,datetimeなど)
100本ノック
03.円周率
"Now I need a drink, alcoholic of course, after the heavy lectures involving quantum mechanics."という文を単語に分解し,各単語の(アルファベットの)文字数を先頭から出現順に並べたリストを作成せよ.
x = 'Now I need a drink, alcoholic of course, after the heavy lectures involving quantum mechanics' result = [] xsplits = x.split(' ') for xsplit in xsplits: result.append(len(xsplit) - xsplit.count(',') - xsplit.count('.')) print(result)
教師あり学習/教師なし学習
機械学習は、教師あり学習と教師なし学習に大分できる(細かくは他の分類もある)
教師あり学習とは、入力と出力の教師事例をもとに学習を行い、出力が未知である入力事例に対して正しい出力を予測させることを目的とする 例えるならば、人間が過去問(教師事例としての入力)とその解答(教師事例としての出力)を学習した後、その経験をもとに未知の問題(入力事例)を解くことに似ていると言える 教師あり学習は出力の種類によってさらに大きく2つ問題設定ができる 出力させたい結果が連続的な数字(日経平均や気温)の場合、回帰と呼び、出力させたい結果が離散的な場合(写真二写っているものが何か、明日の株価が上がるかどうか)は分類と呼ぶ
教師なし学習とは、入力としてラベルの付いていないデータを用いて学習を行う その為教師あり学習と異なり目的とする出力はない では何を出力したいかというと、ラベルの付いていないデータ内の隠れたパターンや隠れたデータの構造性に対する推論が期待する出力になり、その過程を学習とする
代表的な問題設定として、それぞれのデータを似た者同士でグルーピングするクラスタリングや元の情報量を損なわせずに学習させるパラメータの数を減らす次元削減がある 次元削減には以下の役割や特徴がある
- 多くの情報を持ったパターンから,認識に本質的な情報を抽出すること
- パターンを圧縮した効率のよい空間の点として表現する
- ノイズ除去などの前処理も含む
また明日