Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
pythonの使い方
Search
kenyu
May 02, 2020
Education
0
130
pythonの使い方
pythonの導入など!未完なのでスライドは徐々に増やしていきます!
kenyu
May 02, 2020
Tweet
Share
More Decks by kenyu
See All by kenyu
植物はどのようにしてこの過酷な環境で生きているのか
kenyu0501
0
270
サポートベクターマシンとは?アルゴリズムや数学の徹底解説!!
kenyu0501
0
310
「フーリエ級数」から「高速フーリエ変換」まで全部やります!【2019.07.20更新】
kenyu0501
21
85k
脳波モデルを用いたReal-time集中状態判別器の実演と現状の稼働アルゴリズムの紹介
kenyu0501
2
300
脳神経細胞の活動をどのように数学的に 解釈したら良いのか?〜1952年のHodgkin-Huxley式から学ぶ〜
kenyu0501
0
350
セルオートマトンとは!?Cellular Automaton !?
kenyu0501
2
280
Other Decks in Education
See All in Education
AWS認定試験 DEA受験記
nnydtmg
1
300
Lecture on Management at Waseda University
tsogo817421
2
580
Adobe Express
matleenalaakso
1
7.2k
Droid Knights 2024 Accessibility in Android
nanamare
0
290
2024年度春学期 統計学 第2回 統計資料の収集と読み方 (2024. 4. 18)
akiraasano
PRO
0
110
世界の子音探訪記
jamashita
0
240
Ch8_-_Partie_3.pdf
bernhardsvt
0
110
Pen-based Interaction - Lecture 4 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
1.4k
Before You Create Something
nandenjin
0
210
Course Review - Lecture 12 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
1.4k
week8@tcue2024
nonxxxizm
0
490
week10@tcue2024
nonxxxizm
0
370
Featured
See All Featured
Leading Effective Engineering Teams 2024
addyosmani
3
300
Web Components: a chance to create the future
zenorocha
307
41k
Designing Experiences People Love
moore
136
23k
Creatively Recalculating Your Daily Design Routine
revolveconf
214
11k
Happy Clients
brianwarren
94
6.6k
Scaling GitHub
holman
458
140k
Debugging Ruby Performance
tmm1
71
11k
From Idea to $5000 a Month in 5 Months
shpigford
377
46k
WebSockets: Embracing the real-time Web
robhawkes
59
7.2k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
12
3.8k
The Cult of Friendly URLs
andyhume
75
5.9k
Art, The Web, and Tiny UX
lynnandtonic
291
20k
Transcript
Pythonとは!? ・汎用スクリプト言語 ・機械学習を学ぶのに適した言語の一つ ・機械学習を試す上でライブラリの設備が整っている やっていくこと ・Python 3.5 (scikit-learn,Numpy,matplotlib,pandasの使い方) pythonのインストールはAnaconda (オープン・データサイエン
ス・プラットフォーム)を使うとすぐに実行できる環境が整うよ! https://www.continuum.io/ からダウンロードしてね
Pythonの起動確認 λʔϛφϧͰʮQZUIPOʯͱଧͭ QZUIPOͱ"OBDPOEBͷ໊લ͕ ֬ೝͰ͖ͨΒ0, 4DJLJUMFBSO͕͋Δ͔ ֬ೝͯ͠ΈΑ͏ʂʂ ͦͷޙɼʮTLMFBSO@@WFSTJPO@@ʯ ͱചͬͯWFSTJPO͕֬ೝͰ͖ͨΒᘳ ʮJNQPSUTLMFBSOʯͱίϚϯυ͢Δ ͪͳΈʹʮTLMFBSO@@WFSTJPO@@ʯ
ͷ@@ɼ֯Ξϯμʔόʔճʂ ͜ͷରϞʔυɼRVJU ͱೖྗ͢Δͱऴྃ͠·͢ɽ
conda update qt pyqt conda install -c spyder-ide spyder=3.3.1 conda
update spyder Spyderを使って動かそう QZUIPOΛ؆୯ʹಈ͔͢͜ͱ͕Ͱ͖ͯศརͰ͢ɽ ࠨଆʹεΫϦϓτΛॻ͘ΤσΟλ͕͋ͬͯɼӈଆͰίϯιʔϧΛ֬ೝͰ͖·͢ɽ ͳ͓ɼΠϯετʔϧɼλʔϛφϧ্ͰҎԼͷίϚϯυΛೖྗ͢Δ͜ͱͰߦ͍·ͨ͠ɽ Πϯετʔϧ͕ऴΘͬͨΒɼλʔϛφϧ্Ͱʮ4QZEFSʯͱଧ͍ͬͯͩ͘͞ɽ 4QZEFS͕ىಈ͠·͢
Numpyとは ・数値計算全般によく利用されるパッケージ ・np.arrayをいう配列クラスにより,高速な行列計算ができる Numpyの使い方 0. インポートする(よくnpという名前を与えてインポートする) 1. データ構造を用意する(N次元の配列) データ構造の形状と,要素の型を指定して,初期化する np.zeros(shape,
dtype=None) import numpy as np np.zeros(shape = (2,3), dtype=None) 例えばこうすると,2×3の2次元配列ができる. dtype = None(デフォルト)だと,np.float64かnp.int64になる
1. データ構造を用意する(N次元の配列) Numpyとは np.array(object, dtype=None, cory=True, order=None, subok=False, ndmin=0) ndarrayの要素にしたい値がすでに別の型のオブジェクトのイテラブル(リストや辞書)
として存在する場合はこっち.object以外の引数は気にしないでOK! 4行3列の配列に, 0.0が初期値として 入っている (Float64) 4行3列の配列に, int型が入っている 作った配列の形状とデータの型は, shape,dtypeで参照することが可能! np.arrayを使ってみよう!!!!!
np.arrayの色々な使い方:表示や転置,四則計算,形状変更 aとbの足し算の結果 aとbの結合の結果 aの形状の変更 1行12列へ aを転置 配列が理解できたら,とりあえずpythonは大丈夫だと思います!
配列の連結で便利な vstack と stack vstackは 縦に連結 hstackは横に連結
特定の行や列をして 取り出すことが可能 「np.loadtxt」でデータを読み込む
「np.savetxt」でデータを書き込む loadはこれが 入っている save.txt に保存
matplotlibとは ・グラフ描写を可能とするパッケージ (折れ線グラフ,散布図などいろいろ) 実際に描画してみよう! sin波と乱数をプロットしたものです. 簡単です. 参考図書:Pythonによる機械学習入門 https://amzn.to/2QqDvDw arange(開始,終了,刻み幅) プロット時に線のスタイルを指定
機械学習の「分類」,「回帰」,「クラスタリング」 「分類」・・・ あるデータから分類(クラス,ラベル)を予測するもの 正解データからルールを学習し,未知データを分類する 「回帰」・・・ あるデータから数値を予測するもの これも正解データから学習する 「クラスタリング」・・・ データの性質に従い,データの塊(クラスタ)を作るもの
正解データを必要としない
システムの振る舞いを,オブジェクトの相互作用として考える クラス(設計図)とインスタンス(実体)という概念を覚える必要がある クラスとインスタンスとは たくさん生成できるよ〜 はじめてのディープラーニング,我妻幸長,SB Creative オブジェクト指向によるプログラミングがあります. JOJUϝιου Pythonのメソッドは引数としてselfを受け取る BΠϯελϯεม
ՃͷϝιουͰɼ ΠϯελϯεมBͱͷԋࢉʂ ҰϝιουͰ͕ೖ͞ΕͪΌ͑ɼ ಉ͡ΠϯελϯεͷͲͷϝιου͔ΒͰ TFMGΛ༻͍ͯΞΫηεͰ͖Δ
Scikit-learn の train_test_spilt() 学習データと,テストデータの分割を行う ಛྔ ಛྔ ಛྔ ϥϕϧ PS
ɾ ɾ ɾ ɾ ɾ ɾ 9 ಛྔσʔλ Z ਖ਼ղϥϕϧ 9@USBJO ڭࢣσʔλ Z@USBJO ڭࢣϥϕϧ 9@UFTU ςετσʔλ Z@UFTU ςετϥϕϧ データセットから,特徴量 X と,ラベル y を分ける さらに,教師データと,テストデータに分ける 特徴量 X ラベル y 層化サンプリング (Stratified Sampling): サンプリングデータが偏らないように, 指定した変数(y)の出現頻度が一定になるようにしている