Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
cookpadで学ぶ自然言語処理&機械学習/internship2016
j.harashima
September 05, 2016
12
28k
cookpadで学ぶ自然言語処理&機械学習/internship2016
j.harashima
September 05, 2016
Tweet
Share
More Decks by j.harashima
See All by j.harashima
日本語レシピデータセットの継続的な構築と複合的な利用/JED2022
junharashima
0
2.8k
自然言語処理の基礎と応用 〜 料理と医療を題材として 〜 /JADI2021
junharashima
0
1.7k
企業での研究開発の楽しさと苦労/WAP-Tech-Talk
junharashima
1
6.6k
クックパッドにおける研究開発/HCG2020
junharashima
0
1.1k
Calorie Estimation in a Real-World Recipe Service/iaai-20
junharashima
0
10k
クックパッドと機械学習(短縮版)/MLTBP
junharashima
0
4.2k
クックパッドと NLP/CV/nlpaper-challenge
junharashima
0
65
AI 部門の実戦投入/repro-tech-meetup
junharashima
0
1.1k
クックパッドと機械学習/uec-aix-seminar
junharashima
0
7.1k
Featured
See All Featured
Testing 201, or: Great Expectations
jmmastey
25
5.7k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
182
15k
Building Better People: How to give real-time feedback that sticks.
wjessup
346
17k
Faster Mobile Websites
deanohume
295
29k
Producing Creativity
orderedlist
PRO
335
38k
StorybookのUI Testing Handbookを読んだ
zakiyama
8
3.2k
YesSQL, Process and Tooling at Scale
rocio
159
12k
Art, The Web, and Tiny UX
lynnandtonic
284
18k
The Art of Programming - Codeland 2020
erikaheidi
36
11k
How GitHub Uses GitHub to Build GitHub
holman
465
280k
The World Runs on Bad Software
bkeepers
PRO
59
5.7k
Building Adaptive Systems
keathley
27
1.3k
Transcript
DPPLQBEͰֶͿࣗવݴޠॲཧˍػցֶश ݪౡ७
ࠓͷׂ࣌ؒ
ࣗવݴޠॲཧʢߨٛˍ࣮शʣ ٳΈ࣌ؒ ػցֶशʢߨٛʣ ٳΈ࣌ؒ ϥϯν ػցֶशʢ࣮शʣ ٳΈ࣌ؒ Ռൃද ٳΈ࣌ؒ ໘ஊ
ࣗݾհ ɾݪౡ७ ɹɾॴଐɿݚڀ։ൃ෦ ɹɾݞॻɿΤϯδχΞɺത࢜ʢใֶʣ ɹɾઐɿࣗવݴޠॲཧ
ࣗવݴޠॲཧʢߨٛʣ ʙͰֶͿࣗવݴޠॲཧʙ
ΰʔϧ ॳֶऀͷํ͕ ʮࣗવݴޠॲཧʁେମͬͯΔΑʯ ͬͯݴ͑ΔΑ͏ʹͳΔ
ࣗવݴޠॲཧ ࣗવݴޠΛίϯϐϡʔλͰѻ͏ͨΊͷٕज़ ࣗવݴޠࣗવൃੜతʹੜ·ΕͨݴޠʢFH ຊޠʣ ਓݴޠਓతʹ࡞ΒΕͨݴޠʢFH $ݴޠʣ
ΞϓϦέʔγϣϯ ɾݕࡧΤϯδϯ ɹɾ(PPHMFɺ:BIPPɺ ɾࣗಈ༁ ɹɾ(PPHMF༁ɺΤΩαΠτ༁ɺ ɾ࣭Ԡ ɹɾ8BUTPOɺ4JSJɺ ɾԾ໊ࣈม ɹɾ(PPHMF*.&ɺ"50,ɺ
جૅղੳ ܗଶૉղੳ ߏจղੳ ݻ༗දݱೝࣝ ֨ղੳ লུরԠղੳ ಉٛදݱೝࣝ ޠٛᐆດੑղফ ஊߏղੳ ୯ޠϨϕϧ
ߏจϨϕϧ จ຺Ϩϕϧ ҙຯϨϕϧ ΞϓϦέʔγϣϯ
ࠓͷτϐοΫ ɾجૅղੳ ɹɾܗଶૉղੳ ɹɾݻ༗දݱೝࣝ ɹɾߏจղੳ ɹɾলུরԠղੳ ɹɾஊߏղੳ ɹɾ֨ղੳ ɹɾಉٛදݱೝࣝ ɹɾޠٛᐆດੑղফ
ɾΞϓϦέʔγϣϯ ɹɾݕࡧΤϯδϯ ɹɾࣗಈ༁ ɹɾ࣭Ԡ ɹɾ͔ͳࣈม
ࠓͷτϐοΫ ɾجૅղੳ ɹɾܗଶૉղੳ ɹɾݻ༗දݱೝࣝ ɹɾߏจղੳ ɹɾলུরԠղੳ ɹɾஊߏղੳ ɹɾ֨ղੳ ɹɾಉٛදݱೝࣝ ɹɾޠٛᐆດੑղফ
ɾΞϓϦέʔγϣϯ ɹɾݕࡧΤϯδϯ ɹɾࣗಈ༁ ɹɾ࣭Ԡ ɹɾ͔ͳࣈม
ܗଶૉղੳ ୯ޠͷ۠ΓͱࢺɺݪܗΛࣝผ͢Δॲཧ ଠ ژ ʹ ߦͬͨ ଠژʹߦͬͨ ໊ࢺ ໊ࢺ
ಈࢺ ॿࢺ ॿࢺ c c c c ߦ͘ ղੳ༻ͷࣙॻΛࢀরͯ͠ɺҰ൪ͬͱΒ͍͠ ʢҰ൪ίετͷ૯͕͍ʣ୯ޠྻΛબ͢Δ ଠ ໊ࢺ ژ ໊ࢺ ژ ໊ࢺ ໊ࢺ ࣙॻ ੜىίετ ੜىίετͷ΄͔ʹ୯ޠؒͷ࿈ίετߟྀ
ܗଶૉղੳJODPPLQBE ಲͷʹΜʹ͘ে༉ম͖ ͷ ʹΜʹ͘ ে༉ ໊ࢺ ໊ࢺ ॿࢺ ໊ࢺ c
c c c ম͘ ಲ ম͖ ಈࢺ
ݻ༗දݱೝࣝ จதͷݻ༗දݱʢFHਓ໊ɺ໊ʣΛೝࣝ͢Δॲཧ ଠ ژ ʹ ߦͬͨ ໊ࢺ ໊ࢺ ಈࢺ
ॿࢺ ॿࢺ c c c c ߦ͘ ଠ ژ ʹ ߦͬͨ ਓ໊ ໊ ܇࿅σʔλΛ༻ҙͯ͠ɺͲͷΑ͏ͳ୯ޠྻ͕ ͲͷΑ͏ͳݻ༗දݱʹͳΓ͏Δ͔Λֶश ࣍ژʹߦͬͨɻ Ֆࢠେࡕʹߦͬͨɻ ܇࿅σʔλ ਓ໊ ਓ໊ ໊ ໊ ݻ༗දݱೝࣝث
ಛചใʢళฮ͔Βߘʣ ݻ༗දݱೝࣝ ͨ·Ͷ͗ݸ ԁ ͨ·Ͷ͗υϨογϯά ԁ ͨ·Ͷ͗ɹݸ ໊
ͨ·Ͷ͗ɹυϨογϯά ໊ ʮͨ·Ͷ͗ʯͰొ ʮͨ·Ͷ͗υϨογϯάʯͰొ 0OMJOF Ϣʔβͷۙลͷళฮ͔Β ໊ʮͨ·Ͷ͗ʯΛݕࡧ ݻ༗දݱೝࣝJODPPLQBE
ߏจղੳ จͷߏʢຊޠͰจઅͷ۠ΓͱΓઌʣΛ໌Β͔ʹ͢Δॲཧ ҎԼͷใ͔Βࣝผ ɾจઅલ͔ΒޙΖʹΔ ɾจઅͨͩҰͭͷจઅʹΔ ɾΓड͚ޓ͍ʹަࠩ͠ͳ͍ ɾ࠷͍ۙจઅʹΓ͍͢ ɾ ଠ
ژ ʹ ߦͬͨ ໊ࢺ ໊ࢺ ಈࢺ ॿࢺ ॿࢺ c c c c ߦ͘ ଠ ژʹ ߦͬͨ c c จઅͷ۠ΓΛࣝผ ߦͬͨ ଠ ژʹ จઅͷΓઌΛࣝผ จઅݸҎ্ͷ༰ޠʢFH໊ࢺʣͱݸ Ҏ্ͷଐޠʢFHॿࢺʣ͔ΒͳΔ
লུরԠղੳ রԠࢺ จষதͷಉҰදݱΛಉఆ͢Δॲཧ ઌߦࢺ রԠղੳ লུղੳʢθϩরԠղੳʣ ͔ͬͨ ൴ ਗ਼ਫࣉʹ ·ͣ
ଠ ژʹ ߦͬͨ θϩ໊ࢺ ઌߦࢺ ͔ͬͨ ൴ ਗ਼ਫࣉʹ ·ͣ ଠ ژʹ ߦͬͨ θϩ໊ࢺʢলུ͞ΕͨরԠࢺʣʹؾ͘ͱ͜Ζ͔Β ελʔτ ҎԼͷใ͔Βಉఆ ɾরԠࢺͱઌߦࢺͷੑผಉ͡ ɾઌߦࢺʮʯΛ͍͍͢ ɾরԠࢺͱઌߦࢺͦΕ΄ͲΕͳ͍ ɾ
୯ޠϨϕϧ ߏจϨϕϧ ίϯϐϡʔλɹʹɹܭࢉػ ίϯϐϡʔλɹʹɹίϯϐϡʔλʔ ܠؾ͕ྫྷ͑Δɹʹɹܠؾ͕Լ͕Δ ಉٛදݱೝࣝ ಉ͡ҙຯΛ࣋ͭදݱΛೝࣝ͢Δॲཧ ্ҟදهಉٛʢಉ͡୯ޠͷදه༳Εʣ ԼҟܗಉٛʢҟͳΔ୯ޠ͕ಉ͡ҙຯʣ ୯ޠϨϕϧͰʮྫྷ͑Δʯ㱠ʮԼ͕Δʯ͕ͩ
ʮܠؾ͕ʯ͕͘ͱಉٛ
ಉٛදݱೝࣝJODPPLQBE
ࠓͷτϐοΫ ɾجૅղੳ ɹɾܗଶૉղੳ ɹɾݻ༗දݱೝࣝ ɹɾߏจղੳ ɹɾলུরԠղੳ ɹɾஊߏղੳ ɹɾ֨ղੳ ɹɾಉٛදݱೝࣝ ɹɾޠٛᐆດੑղফ
ɾΞϓϦέʔγϣϯ ɹɾݕࡧΤϯδϯ ɹɾࣗಈ༁ ɹɾ࣭Ԡ ɹɾ͔ͳࣈม
ݕࡧΤϯδϯ ΫΤϦʹؔ࿈͢ΔϦιʔεʢFHจॻʣΛऔಘ͢Δॲཧ ΠϯσΩγϯά సஔΠϯσοΫε ୯ޠ͔ΒจॻͷϚοϐϯά 0⒐JOF 0OMJOF จॻଠژʹߦͬͨ จॻ࣍ژʹߦͬͨ ܗଶૉղੳ
จॻଠccژcʹcߦͬͨ จॻ࣍ccژcʹcߦͬͨ ଠ\^ ࣍\^ ژ\ ^ ΫΤϦʮଠʯ ݕࡧ݁Ռɿจॻ ΫΤϦʮژʯ ݕࡧ݁Ռɿจॻ จॻ సஔΠϯσοΫεΛࢀর సஔΠϯσοΫεΛࢀর
ݕࡧΤϯδϯJODPPLQBE
ࣗಈ༁ ίϯϐϡʔλʹΑΔผͷݴޠͷՁͳจষͷஔ ɿଠژʹߦͬͨ ӳɿ5BSPXFOUUP,ZPUP ܗଶૉղੳɺߏจղੳɺ ݴޠ୯Ґ͝ͱʹ༁ ߦͬͨ ଠ ژʹ 5BSP
UP,ZPUP XFOU MFBWF ࣗવจΛੜ ೖྗจΛԿΒ͔ͷݴޠ୯ҐʢFH ୯ޠɺ୯ޠ ྻʣͰදݱ ༁ީิΛΈ߹ΘͤͯෳͷจΛੜ ͦͷத͔ΒͬͱࣗવͳͷΛग़ྗ ֤ݴޠ୯Ґʹ͍ͭͯର༁ࣙॻ͔Β༁ީิΛ બʢର༁ࣙॻ༧Ίߏங͓ͯ͘͠ʣ
ࣗಈ༁JODPPLQBE ਓखΛհͣ͞ ༁͍ͨ͠ ݚ ڀ த
ߨٛͷ·ͱΊ ɾࣗવݴޠॲཧ ɹɾࣗવݴޠΛίϯϐϡʔλͰѻ͏ͨΊͷٕज़ ɾجૅղੳ ɹɾܗଶૉղੳɺߏจղੳɺলུরԠղੳɺಉٛදݱೝࣝɺ ɾΞϓϦέʔγϣϯ ɹɾݕࡧΤϯδϯɺࣗಈ༁ɺ
ࣗવݴޠॲཧʢ࣮शʣ ʙϨγϐͷղੳʙ
ܗଶૉղੳث +6."/ $IB4FO .F$BC ,Z5FB ػցֶशʢੜϞσϧʣʹΑΔίετௐ
ػցֶशʢࣝผϞσϧʣʹΑΔίετௐ ֶशσʔλͷߏஙΛ༰қʹ ਓखʹΑΔίετௐ
.F$BC ɾݱࡏͷσϑΝΫτ ɹɾߴਫ਼Ͱ͍͍ͨ͢Ί ɾ͍ํ ɹɾ45%*/ʹͭͬ͜Ή͚ͩ NFDBC ଠژʹߦͬͨ&OUFS ଠɹ໊ࢺ ݻ༗໊ࢺ ਓ໊
໊ ଠ λϩ λϩʔ ɹɹॿࢺ ॿࢺ ϋ ϫ ژɹ໊ࢺ ݻ༗໊ࢺ Ҭ Ұൠ ژ Ωϣτ Ωϣʔτ ʹɹɹॿࢺ ֨ॿࢺ Ұൠ ʹ χ χ ߦͬɹಈࢺ ཱࣗ ޒஈɾΧߦଅԻศ ࿈༻λଓ ߦ͘ Πο Πο ͨɹɹॿಈࢺ ಛघɾλ جຊܗ ͨ λ λ &04 ୯ޠͷ۠Γͱࢺɺݪܗ͕͔Δ ؆୯ͳͷͰ͋Εɺݻ༗දݱ͔Δ
ʲ࣮शʳϨγϐΛղੳ͠Α͏ ϨγϐσʔλΛऔಘʢ63-4MBDLࢀরʣ ɹɾDVSMP
[email protected]
UYUlIUUQTYYYz ܗଶૉղੳΛ࣮ߦ ɹɾNFDBC
[email protected]
UYUʁ
ʲ࣮शʳ୯ޠͷΛੳ͠Α͏ ग़ݱසΛΧϯτ ɹɾࢥ͍ࢥ͍ͷํ๏Ͱʂ ॱҐ ୯ޠ ग़ݱස ʁ
ʁ ʂ ؆୯ ̇ Ϩγϐʹ ճҎ্ ग़ݱ͢Δ୯ޠͬͯʁ
ʲ࣮शʳδοϓͷ๏ଇΛ؍ଌ͠Α͏ ୯ޠͷग़ݱ֬ͱͦͷॱҐΛάϥϑԽ ɹɾࢥ͍ࢥ͍ͷํ๏Ͱʂ શମͰL൪ͷग़ݱසΛ࣋ͭཁૉ͕શମʹ ΊΔׂ߹ʢJFग़ݱ֬ʣLʹൺྫ ग़ ݱ ֬ ॱҐ
ʁ ˞྆ରάϥϑͰඳ͍͍ͯͩ͘͞
ʲ࣮शʳ୯ޠΛొ͠Α͏ ʮΫοΫύουʯΛղੳ͢Δͱ ɹɾFDIPlΫοΫύουzcNFDBCʁ ࣗ༻ͷࣙॻΛ࡞ ɹɾ୯ޠͷใΛΧϯϚ۠ΓͰొ ࣙॻΛίϯύΠϧ ɹɾPQUCSFX$FMMBSNFDBCMJCFYFDNFDBCNFDBCEJDUJOEFYE ɹɹPQUCSFXMJCNFDBCEJDJQBEJDVVTFSEJDVTFSDTWGVUGUVUG ʮΫοΫύουʯΛղੳ͢Δͱ ɹɾFDIPlΫοΫύουzcNFDBCVVTFSEJDʁ
දܗ ݪܗ ಡΈ ൃԻ ίετ ࢺ ΫοΫύου ໊ࢺ ݻ༗໊ࢺ ৫ ΫοΫύου ΫοΫύου ΫοΫύου VTFSDTW
ࣗવݴޠॲཧʢߨٛˍ࣮शʣ ٳΈ࣌ؒ ػցֶशʢߨٛʣ ٳΈ࣌ؒ ϥϯν ػցֶशʢ࣮शʣ ٳΈ࣌ؒ Ռൃද ٳΈ࣌ؒ ໘ஊ ࠓͷׂ࣌ؒ
ػցֶशʢߨٛʣ ʙҰ࣌ؒͰֶͿػցֶशʙ
ΰʔϧ ॳֶऀͷํ͕ ʮػցֶशʁࢼͨ͜͠ͱ͋ΔΑʯ ͬͯݴ͑ΔΑ͏ʹͳΔ
ػցֶश ͓͓·͔ʹ ༩͑ΒΕͨσʔλʹજΉύλʔϯΛػցతʹݟ͚ͭΔ͜ͱ
FH खॻ͖จࣈೝࣝ ༩͑ΒΕͨσʔλΛֶश
ؙͬΆ͍͔Β ༩͑ΒΕͳ͔ͬͨσʔλͰਪଌ Ϟσϧ ؙͬΆ͍ͷ ॎͷҰຊઢ Ϟσϧ ʁ ֶश ਪଌ
ػցֶशͷॴ ਓؒͱಉ͡Α͏ʹతͳॲཧΛߦ͑Δ ਓؒͱҧͬͯେྔͷॲཧΛߦ͑Δ FH ྨɺճؼɺΫϥελϦϯάʢޙड़ʣ
༷ʑͳॴͰΘΕ͍ͯ·͢
༷ʑͳॴͰΘΕ͍ͯ·͢
༷ʑͳॴͰΘΕ͍ͯ·͢
ɾڭࢣ͋Γֶश ɹɾೖྗσʔλͱɺͦͷσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλʢʹڭࢣʣ͕༩͑ΒΕΔ ɾڭࢣͳֶ͠श ɹɾೖྗσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλ͕༩͑ΒΕͳ͍ ɾڧԽֶशʢׂѪʣ ɹɾڭࢣʢਖ਼ղʣͰͳ͘ใुʢྑ͞ʣ͕༩͑ΒΕΔ ػցֶशͷछྨ
ɾڭࢣ͋Γֶश ɹɾೖྗσʔλͱɺͦͷσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλʢʹڭࢣʣ͕༩͑ΒΕΔ ɾڭࢣͳֶ͠श ɹɾೖྗσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλ͕༩͑ΒΕͳ͍ ɾڧԽֶशʢׂѪʣ ɹɾڭࢣʢਖ਼ղʣͰͳ͘ใुʢྑ͞ʣ͕༩͑ΒΕΔ ػցֶशͷछྨ
ɾྨ ɹɾग़ྗσʔλ͕ԿΒ͔ͷΧςΰϦͰ͋Δ ɹɾFH ը૾ʹࣸͬͨจࣈͷਪଌʢखॻ͖จࣈೝࣝʣ ɾճؼ ɹɾग़ྗσʔλ͕ԿΒ͔ͷͰ͋Δ ɹɾFH Խֶʹ͓͚Δੜͷྔͷ༧ଌ ڭࢣ͋Γֶश ೖྗσʔλͱɺͦͷσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλʢڭࢣʣ͕༩͑ΒΕΔ
ɾͬͱදతͳྨϞσϧ ɾೖྗσʔλΛԼਤͷΑ͏ͳۭؒͰදͯ͠ɺͦΕΒΛਖ਼͚͘͠ΔڥքͷதͰϚʔδϯ͕ ɹ࠷େͷͷΛબͿ 47. ࠇؙͱനؙΛ͚ΔҰ൪ྑ͍ڥքʁ ˠϚʔδϯ࠷େͷͷʢ࣮ઢʣ ˞͜ͷྫͰೖྗσʔλ͕ೋ࣍ݩʢYͱYʣ Ͱද͞ΕΔͷͱ͍ͯ͠Δ x 1
x 2
ɾΞϠϝͷՖΛछ͝ͱʹྨʢӈਤʣ ɹɾ֤ɿҰͭҰͭͷՖͷσʔλ ɹɾԣ࣠ɿ͕͘ͷ͞ ɹɾॎ࣠ɿ͕͘ͷ෯ ɾ47.ΧʔωϧτϦοΫ͕ར༻Մೳ ɹɾσʔλΛߴ࣍ݩۭؒͰදݱͯ͠ɺͦͷ্ۭؒͰ ɹɹڥքΛܾఆ ࣮ྫGSPNTDJLJUMFBSO
ɾͬͱجຊతͳճؼϞσϧ ɾೖྗσʔλΛදͬ͢ͱྑ͍X X X X/ ΛܾΊΔ ઢܗճؼ x 1
y y = w 0 + w 1 x 1 y ( w, x ) = w0 + w1x1 + · · · + wN xN നؙΛද͢Ұ൪ྑ͍Xʁ ˠޡࠩͷ૯͕࠷খͷͷʢ࣮ઢʣ ˞͜ͷྫͰೖྗσʔλ͕Ұ࣍ݩʢY͚ͩʣ Ͱද͞ΕΔͷͱ͍ͯ͠Δ
ɾ#.*͔ΒපͷҰޙͷਐߦঢ়گΛ༧ଌʢӈਤʣ ɹɾ֤ɿපױऀ ɹɾԣ࣠ɿ#.* ɹɾॎ࣠ɿҰޙͷਐߦঢ়گ ࣮ྫGSPNTDJLJUMFBSO
ɾڭࢣ͋Γֶश ɹɾೖྗσʔλͱɺͦͷσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλʢʹڭࢣʣ͕༩͑ΒΕΔ ɾڭࢣͳֶ͠श ɹɾೖྗσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλ͕༩͑ΒΕͳ͍ ɾڧԽֶशʢׂѪʣ ɹɾڭࢣʢਖ਼ղʣͰͳ͘ใुʢྑ͞ʣ͕༩͑ΒΕΔ ػցֶशͷछྨ
ɾΫϥελϦϯά ɹɾࣅ͍ͯΔάϧʔϓΛݟ͚ͭΔ ڭࢣͳֶ͠श ೖྗσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλ͕༩͑ΒΕͳ͍
ɾ࣍ͷ࢛ͭͷεςοϓΛ௨ͯ͠ࣅ͍ͯΔάϧʔϓΛݟ͚ͭΔ ɹɾ֤σʔλΛ͍ͣΕ͔ͷάϧʔϓʹׂΓͯΔ ɹɾ֤άϧʔϓͷத৺ΛٻΊΔ ɹɾ֤σʔλΛҰ൪͍ۙάϧʔϓʹׂΓͯΔ ɹɾऩଋ͢Δ·ͰͱΛ܁Γฦ͢ Lฏۉ๏ 2 4 1 3
ɾΞϠϝͷՖΛΫϥελϦϯάʢӈਤʣ ɹɾ֤ɹɿҰͭҰͭͷՖͷσʔλ ɹɾԣ࣠ɿ͕͘ͷ෯ ɹɾԣ࣠ɿՖหͷ͞ ɹɾॎ࣠ɹɿՖหͷ෯ ࣮ྫGSPNTDJLJUMFBSO
ɾڭࢣ͋Γֶश ɹɾೖྗσʔλͱɺͦͷσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλʢʹڭࢣʣ͕༩͑ΒΕΔ ɾڭࢣͳֶ͠श ɹɾೖྗσʔλʹରͯ͠ฦ͖͢ग़ྗσʔλ͕༩͑ΒΕͳ͍ ɾڧԽֶशʢׂѪʣ ɹɾڭࢣʢਖ਼ղʣͰͳ͘ใुʢྑ͞ʣ͕༩͑ΒΕΔ ػցֶशͷछྨʢ͓͞Β͍ʣ
ਂֶश ࠷ۙɺΑࣖ͘ʹ͠·͢Ͷ
ਂֶश ɾਂ͍χϡʔϥϧωοτϫʔΫΛਖ਼ֶ͘͠शͤ͞Δํ๏ͷ૯শ ɹɾχϡʔϥϧωοτϫʔΫʹ͍ͭͯޙड़ ɾ༷ʑͳͰߴ͍ੑೳΛࣔͨ͜͠ͱͰɺࠒ͔Βେྲྀߦ ɹɾاۀʹΑΔݚڀॴͷઃཱελʔτΞοϓͷങऩ͕૬͙࣍
(PPHMFೣೝࣝ ਂֶश͕ը૾ೝࣝͷίϯϖςΟγϣϯͰѹউ 'BDFCPPLݚڀॴJO/: #BJEVݚڀॴ "MQIB(P͕ϓϩع࢜ʹѹউ
υϫϯΰݚڀॴ ϦΫϧʔτݚڀॴɺ࢈૯ݚݚڀॴ αΠόʔΤʔδΣϯτݚڀॴ -*/&ݚڀॴ ౦େدߨ࠲ɺి௨େݚڀॴ ւ֎ (PPHMF͕%FFQ.JOEങऩ 1'/%F/"߹หձࣾ ຊ 'BDFCPPLݚڀॴJO1BSJT (PPHMF͕%//SFTFBSDIങऩ (PPHMF5FOTPS'MPXެ։ 1'*$IBJOFSެ։ ओͳχϡʔε
ɾύʔηϓτϩϯͷΑ͏ͳɺϊʔυͱͦΕΒΛܨ͙ΤοδͰද͞ΕΔϞσϧͷ૯শ χϡʔϥϧωοτϫʔΫ ʁʁʁ
&H Y Y Y Y/ ΛΧςΰϦ"PS#ʹྨ ɹࠨͷϊʔυ͔ΒӈͷϊʔυʹYΛ༩͑Δ ɹΤοδΛ௨ΔࡍʹX X
X X/ Λֻ͚Δ ɹؔG ЄOXOYO Λܭࢉʢˣεςοϓؔͷྫʣ ɹZ͕Ͱ͋Ε"ɺͰ͋Ε#ʹྨ ɹ˞XֶशσʔλΛ͏·͘ྨͰ͖Δʹௐ ɹʢ͜Ε͕ύʔηϓτϩϯʹ͓͚Δֶशʣ ύʔηϓτϩϯ … y 0 … x N x 1 x 0 x N x 1 … x 0 y w 0 w 1 w N y 1 y M … h 0 h L y = f (⌃nwnxn) = ( 1 (⌃nwnxn 0) 1 (⌃nwnxn < 0) ύʔηϓτϩϯʢೋʣ
ɾύʔηϓτϩϯͷΑ͏ͳɺϊʔυͱͦΕΒΛܨ͙ΤοδͰද͞ΕΔϞσϧͷ૯শ ɾΛ૿͢ͱ ɹɾෳࡶͳ͕ղ͚Δ ɹɾֶश͕͘͠ͳΔɹɹɹˠ͜ΕΛղܾͨ͠ͷ͕ਂֶश χϡʔϥϧωοτϫʔΫ … y 0 … x
N x 1 x 0 y 1 y M … h 0 h L w 0,0 w N,L w L,M w 0,0 w’ w’ ύʔηϓτϩϯʢࡾʣ ύʔηϓτϩϯʢೋʣ … y 0 … x N x 1 x 0 x N x 1 … x 0 y w 0 w 1 w N y 1 y M … h 0 h L
ɾը૾ೝࣝʹΑ͘ΘΕΔϞσϧ ɾΈࠐΈͱϓʔϦϯάΛ܁Γฦͯ͠ɺ࠷ޙʹશ݁߹ ɹɾΈࠐΈ ը૾ͷہॴతͳಛΛநग़ ɹɾϓʔϦϯάہॴ͝ͱʹಛΛू ɹɾશ݁߹ ୯ͳΔύʔηϓτϩϯ ɾֶशʹཱͭใ͕બΕ্ͯʹ͞Ε͍ͯ͘ʢಛදݱநग़ʣ
ɾϥϯμϜʹϊʔυΛؒҾ͘͜ͱͰϩόετʹֶशʢυϩοϓΞτʣ ΈࠐΈχϡʔϥϧωοτϫʔΫʢ$//ʣ -F$VOFUBM
ɾϨγϐߘΛαϙʔτ͢ΔͨΊ ɹΧϝϥϩʔϧ͔Βྉཧը૾Λநग़ ɾطଘͷ$//վͯ͠ ɹྉཧը૾PSඇྉཧը૾Λೝࣝ $//JODPPLQBE Ϟσϧ ֶशσʔλ ֶश ྉཧը૾ ඇྉཧը૾
$B⒎F/FU "MFYFUBM ✕ ✕ ✕ ✕ ✕ ✕ ݚ ڀ த
ɾࣗಈ༁ʹΑ͘ΘΕΔϞσϧ ɾԼͷωοτϫʔΫʹݪݴޠʢFH ຊޠʣΛೖྗ ɹɾY Y Y5͕ݪݴޠจͷ֤୯ޠʢΛද͢ϕΫτϧʣ ɾ্ͷωοτϫʔΫ͔ΒతݴޠʢFH ӳޠʣΛग़ྗ ɹɾZ
Z Z5`͕ݪݴޠจͷ֤୯ޠʢΛද͢ϕΫτϧʣ ɾ͜Ε·Ͱͷख๏ͱҧͬͯɺߴͳղੳʢFH ߏจղੳɺলུরԠղੳʣ͕ෆཁ TFRVFODFUPTFRVFODF … … x T … … … … x 0 x 1 h1 0 h1 1 … … … … … … … … y 0 h2 0 … … y 1 h2 1 … … y T’-1 h2 T’-1 … … y T’ h2 T’ … … … x T-1 h1 T-1 h1 T
ɾւ֎ͷϢʔβ͕ಡΊΔΑ͏ʹɺຊͷ ɹΫοΫύουͷϨγϐΛӳޠʹ༁ ɾ ϨγϐͷֶशσʔλΛͬͯ ɹӳ༁ϞσϧΛߏங Ϟσϧ ֶशσʔλ ֶश Ϩγϐʢʣ Ϩγϐʢӳʣ
"UUFOUJPO NPEFM ɿ֖·ͨΞϧϛϗΠϧͰམͱ֖͠Λͯ͠தՐͰৠ͠ম͖ʹ ͠·͢ɻ ӳɿDPWFSXJUIBMJEPSBMVNJOVNGPJM BOETUFBNUIF DIJDLFOPONFEJVNIFBU TFRVFODFUPTFRVFODFJODPPLQBE #BIEBOBVFUBM ݚ ڀ த ʢ࣮ࡍͷ༁Ϟσϧͷ݁Ռʣ
ߨٛͷ·ͱΊ ɾػցֶश ɹɾ༩͑ΒΕͨσʔλʹજΉύλʔϯΛػցతʹݟ͚ͭΔ͜ͱ ɹɾਓؒͱಉ͡Α͏ʹతͳॲཧΛߦ͑Δ ɹɾਓؒͱҧͬͯେྔͷॲཧΛߦ͑Δ ɾਂֶश ɹɾਂ͍χϡʔϥϧωοτϫʔΫΛਖ਼ֶ͘͠शͤ͞Δํ๏ͷ૯শ ɹɾࠒ͔Βେྲྀߦ
ࣗવݴޠॲཧʢߨٛˍ࣮शʣ ٳΈ࣌ؒ ػցֶशʢߨٛʣ ٳΈ࣌ؒ ϥϯν ػցֶशʢ࣮शʣ ٳΈ࣌ؒ Ռൃද ٳΈ࣌ؒ ໘ஊ ࠓͷׂ࣌ؒ
ػցֶशʢ࣮शʣ ʙϨγϐͷྨʙ
ʲ࣮शʳϨγϐΛྨ͠Α͏ ɾϨγϐΛ໙ྨPS/PU໙ྨʹྨ͢ΔϞσϧΛ࡞͍ͬͯͩ͘͞ ɾTDJLJUMFBSOͷ47.ΛͬͯΈ·͠ΐ͏ ɹɾॳֶऀͰͳ͍ํଞͷྨϞσϧʢFH ܾఆʣͬͯɺ݁ՌΛൺͯΈ·͠ΐ͏ ɾҎԼͷίϚϯυͰֶशσʔλΛμϯϩʔυ͍ͯͩ͘͠͞ʢ63-4MBDLࢀরʣ ɹɾDVSMP
[email protected]
KTPOC[lIUUQTYYYz ɹɾDVSMP
[email protected]
KTPOC[lIUUQTYYYz ɾ͔࣌ΒҰਓͰՌΛൃද͍ͯͩ͘͠͞ ɹɾεϥΠυʙຕͰ
ɾ1ZUIPOͷػցֶशϥΠϒϥϦ ɾେମͷϞσϧଗ͍ͬͯΔ ɹɾ47.ɺઢܗճؼɺLฏۉ๏ɺ TDJLJUMFBSO
47.JOTDJLJUMFBSO >>> from sklearn import svm >>> X = [[0,
0], [1, 1]] >>> y = [0, 1] >>> clf = svm.SVC() >>> clf.fit(X, y) SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, decision_function_shape=None, degree=3, gamma='auto', kernel='rbf', max_iter=-1, probability=False, random_state=None, shrinking=True, tol=0.001, verbose=False) ˡಛϕΫτϧʢFH ୯ޠͷසͰදͨ͠Ϩγϐʣ ˡڭࢣσʔλɹʢFH /PU໙ྨɺ໙ྨʣ IUUQTDJLJUMFBSOPSHTUBCMFNPEVMFTTWNIUNMTWN
ɾUJUMFʢλΠτϧʣ ɾEFTDSJQUJPOʢ֓ཁʣ ɾJOHSFEJFOUTʢࡐྉʣ ɾTUFQTʢखॱʣ ɾBEWJDFʢίπɾϙΠϯτʣ ɾIJTUPSZʢ͜ͷϨγϐͷੜཱ͍ͪʣ ɾJEʢϨγϐ*%ʣ ɾ
[email protected]
ʢެ։ʣ Ϩγϐσʔλ ۩ମతʹ
IFBE
[email protected]
KTPO ˞ߦ+40/Ͱ͢
ώϯτ ྫ͑ɺ ɹ֤ϨγϐͷςΩετʢFH λΠτϧʣΛܗଶૉղੳ ɹ༰ޠʢFH ໊ࢺʣʹ൪߸Λ༩ ɹ֤ϨγϐΛಛϕΫτϧͰදݱʢFH Ϩγϐ"<
>ʣ ɹಛϕΫτϧͱڭࢣσʔλΛ༩͑ͯɺ47.Λֶश ͪΖΜɺ͜ΕҎ֎ͷํ๏Ͱ0,Ͱ͢ʂ ˢ൪ͷ୯ޠ͕ճɺ൪ͷ୯ޠ͕ճɺ
ɾࠓճɺσʔλͷͰϞσϧΛֶशɺΓͰϞσϧΛධՁ͠·͠ΐ͏ ྨ݁ՌͷධՁ from sklearn.svm import SVC from sklearn import cross_validation
X = ... y = ... X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, test_size=0.5, random_state=0) svm = SVC() svm.fit(X_train, y_train) score = svm.score(X_test, y_test) print(score)
ελʔτʂ ʢ͔Βͳ͍͜ͱ͕͋Εฉ͍͍ͯͩ͘͞ʣ
Ռൃද ͓ർΕ༷Ͱͨ͠ʂ͓ҰਓͣͭɺՌΛൃද͍ͯͩ͘͠͞ɻ
·ͱΊ
ΰʔϧ ॳֶऀͷํ͕ ʮࣗવݴޠॲཧʁେମͬͯΔΑʯ ʮػցֶशʁࢼͨ͜͠ͱ͋ΔΑʯ ͬͯݴ͑ΔΑ͏ʹͳΔ ͳ͍ͬͯΕخ͍͠ͷͰ͕͢
͓ർΕ༷Ͱͨ͠ʂ
DPPLQBEͰֶͿࣗવݴޠॲཧˍػցֶश ݪౡ७ 修 了