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
面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜
Search
tereka114
March 16, 2022
Programming
0
240
面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜
tereka114
March 16, 2022
Tweet
Share
More Decks by tereka114
See All by tereka114
トラブルがあったコンペに学ぶデータ分析
tereka114
2
1.3k
Harnessing Large Language Models for Training-free Video Anomaly Detection
tereka114
1
1.5k
KDD2023学会参加報告
tereka114
2
540
Prompting Large Language Models with Answer Heuristics for Knowledge-based Visual Question Answering
tereka114
0
360
Mobile-Former: Bridging MobileNet and Transformer
tereka114
0
1.1k
DER: Dynamically Expandable Representation for Class Incremental Learning
tereka114
0
180
Jupyter Notebookを納品した話
tereka114
0
380
Multi Scale Recognition with DAG-CNNs
tereka114
0
120
How to use scikit-image for data augmentation
tereka114
0
210
Other Decks in Programming
See All in Programming
ecspresso, ecschedule, lambroll を PipeCDプラグインとして動かしてみた (プロトタイプ) / Running ecspresso, ecschedule, and lambroll as PipeCD Plugins (prototype)
tkikuc
2
1.8k
LLM Supervised Fine-tuningの理論と実践
datanalyticslabo
8
1.9k
PHPUnitしか使ってこなかった 一般PHPerがPestに乗り換えた実録
mashirou1234
0
420
見えないメモリを観測する: PHP 8.4 `pg_result_memory_size()` とSQL結果のメモリ管理
kentaroutakeda
0
940
PicoRubyと暮らす、シェアハウスハック
ryosk7
0
220
QA環境で誰でも自由自在に現在時刻を操って検証できるようにした話
kalibora
1
140
カンファレンス動画鑑賞会のススメ / Osaka.swift #1
hironytic
0
170
php-conference-japan-2024
tasuku43
0
430
shadcn/uiを使ってReactでの開発を加速させよう!
lef237
0
300
functionalなアプローチで動的要素を排除する
ryopeko
1
200
DevinとCursorから学ぶAIエージェントメモリーの設計とMoatの考え方
itarutomy
0
140
Flatt Security XSS Challenge 解答・解説
flatt_security
0
730
Featured
See All Featured
Typedesign – Prime Four
hannesfritz
40
2.5k
The Power of CSS Pseudo Elements
geoffreycrofte
74
5.4k
Embracing the Ebb and Flow
colly
84
4.5k
Designing for Performance
lara
604
68k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
356
29k
VelocityConf: Rendering Performance Case Studies
addyosmani
327
24k
The Cult of Friendly URLs
andyhume
78
6.1k
Building Flexible Design Systems
yeseniaperezcruz
328
38k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
44
7k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
47
5.1k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
6
500
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
28
9.2k
Transcript
面倒くさいこと考えたくない あなたへ 〜TPOTと機械学習〜 Acroquest Technology株式会社 山本 大輝(@tereka114)
自己紹介 1. 山本 大輝(@tereka114) 2. Acroquest Technology 株式会社 3. 画像処理、データ分析
4. 「のんびりしているエンジニアの日記」 (http://nonbiri-tereka.hatenablog.com/)
機械学習にデータを入れたい?
何を考えますか?
データの加工方法?
確かにそうでしょう。
一覧化しました。
機械学習において考えないといけないこと 1. 前処理 1. 前処理の種類 2. 特徴選択 3. 特徴量加工 2.
モデル 1. どんなモデルを作るか 1. Logistic Regression, 2. Random Forest 3. パラメータ 1. Ex. SVM(C, kernel ,eps etc) 4. 評価 1. Log loss, mse, rmse
考えること多すぎ!
めんどくさい
機械学習において考えないといけないこと 1. 前処理 1. 前処理の種類 1. Z変換 2. モデル 1.
どんなモデルを作るか 1. Logistic Regression, 2. RandomForest 3. パラメータ 1. SVM(C, kernel ,eps etc) 4. 評価 1. Log loss, mse, rmse
自動化します。
そう、TPOTで
What is TPOT? 1. TPOTは自動的にモデル選択、パラメータの選択を 遺伝的プログラミングを使って、最適化します。 1. 遺伝的プログラミングの実装はDEAPを使っている。 2. で、何ができるの?
1. 入力した特徴量から最適化する。 2. 最適化したコードを吐き出す。 3. コマンドラインとしても実行可能
TPOT 概要
TPOT 概要 前処理 モデル構築 パラメータの最適化
TPOT Example
TPOT Example データ作成 学習する スコア計算する ファイルにExport Pipeline
TPOTクラス 1. TPOT自身は、TPOTのコードをexportする他に predict, fit, fit_transform, score等のメソッドを持つ。 2. TPOTはscikit-learnを継承していないが、基本的に scikit-learnと同じインターフェースとして使える。
3. 内部は全てscikit-learn 4. TPOT便利
生成コード ここを変更する。
内部では・・・? 1. TPOTの前処理や分析は全てscikit-learnのクラスを 使っている。 1. Feature Selection等 2. 遺伝的プログラミングのコードはDEAPライブラリに よる作成なので、パラメータ(generation)等は似て
いる。
まとめ 1. TPOTを使った簡単な機械学習に挑戦した。 2. 遺伝的プログラミングを使った最適化によって良い 処理を生成する。 3. 簡単にコードを生成し、使える。
御清聴ありがとうございました!