[de:code 2017]いまさら聞けない、エンジニアのための機械学習のキホン

機械学習において学習結果が悪かったときは学習元データを見直す（学習したモデルそのものに手は入れない） #decode17 #AI01

2017-05-23 14:38:46

スコアリング一件一件みるのはキリがない。ROC曲線をみる。右下の方に言ってるグラフはダメとのこと #decode17 #AI01

2017-05-23 14:40:09

kurehajime @kurehajime

学習データの罠。 #decode17 #AI01

2017-05-23 14:40:17

Azureの可視化してくれるツール #decode17 #AI01 pic.twitter.com/jtFM6NboEX

2017-05-23 14:41:10

拡大

典型的な機械学習のフロー #decode17 #AI01 pic.twitter.com/bTyYZFgcsS

2017-05-23 14:42:20

拡大

チートシートあるよ！ #decode17 #AI01

2017-05-23 14:43:18

英語覚えないと苦労するとこ #decode17 #AI01 pic.twitter.com/gZwrohcbuf

2017-05-23 14:46:08

拡大

主な分析アルゴリズム #decode17 #AI01 pic.twitter.com/GXQYXKa0uD

2017-05-23 14:46:23

拡大

回帰（Regression）は「教師あり学習」 #decode17 #AI01

2017-05-23 14:47:32

分類（Classification）教師あり学習 #decode17 #AI01

2017-05-23 14:48:30

回帰は教師あり学習 #decode17 #AI01 pic.twitter.com/M6fa31jJDv

2017-05-23 14:49:55

拡大

クラスタリング（Clustering）教師なし学習。あやめの品種分類とか #decode17 #AI01

2017-05-23 14:50:11

クラスタリングは教師無し学習 #decode17 #AI01 pic.twitter.com/5PAhpBk9Ip

2017-05-23 14:51:24

拡大

正しくデータが作られてないと機械学習はとんでもない答を返すデータが意味すら違う例 #decode17 #AI01 pic.twitter.com/CIOYGdSYHx

2017-05-23 14:53:09

拡大

コンピュータが処理しやすいデータの準備 #decode17 #AI01 pic.twitter.com/UsbSR7Oeeo

2017-05-23 14:54:22

拡大

データ作りの技術はサンプルデータから学ぶ #decode17 #AI01 pic.twitter.com/rrY09b6KMq

2017-05-23 14:55:17

拡大

kurehajime @kurehajime

ソースを見て勉強するように、サンプルデータを見て学べることも多い、と。 #decode17 #AI01

2017-05-23 14:55:29

データは線形と非線形の2つに分けられる。私たちは非線形にしたがってしまう。 #decode17 #AI01 pic.twitter.com/Tgc5N85mrP

2017-05-23 14:56:24

拡大

機械学習においてデータをどんな線で分けたいのかまず考える #decode17 #AI01 pic.twitter.com/iZK2NsaVMv

2017-05-23 14:56:43

拡大

過学習に注意 #decode17 #AI01

2017-05-23 14:56:43

過度に期待しない。100%はありえない #decode17 #AI01

2017-05-23 14:57:17

機械学習は過学習はとてもよくない。 #decode17 #AI01 pic.twitter.com/Tc26g60rY2

2017-05-23 14:57:38

拡大

過学習とは訓練用データに適合しすぎること #decode17 #AI01 pic.twitter.com/BzN6BgYbGt

2017-05-23 14:58:25

拡大

過学習に注意(いきなり100%正解のモデルはもとめない) #decode17 #AI01 pic.twitter.com/l2NlRpqQkV

2017-05-23 14:58:39

拡大