Pythonを使った機械学習の学習
14 likes37,805 views
2017年1月27日、found it project勉強会で発表した資料です。 機械学習を勉強するためにどうPythonを役立てればいいかという話です。
Pythonを使った機械学習の学習
- 1. Pythonを使った機械学習の学習 2017年1月27日 found it project セミナー 加藤公一 シルバーエッグ・テクノロジー（株）
- 3. 今日のはなし • 機械学習の学習の話 – どのように勉強するとよいか • 私はどのように学習したか – 4年前は初心者
- 4. ちなみに… http://bit.ly/kimikazu20140913 http://bit.ly/kimikazu20160204 いままでPythonの高速化芸を得意としてきました。 PyCon JP 2014 ソフトウェアジャパン2016 今日はその話はしません。
- 7. 今日の話 • 機械学習を効率よく勉強するにはどうすれば いいだろうか • ただツールを使うだけではなく内部動作にも 詳しくなるために • 理解を助けるツールとしてのPython
- 8. 私はどうやって勉強したか • 本（論文）を読む • 自分で実装する – 人工データで振る舞いを確認する – 内部動作を可視化する • 既存の実装を見る – ソースコードを読む – 内部データを読む
- 9. まずはこれ
- 11. 自分で実装する • 便利なライブラリがあっても、理解のためにあ えて自分で作ってみる – 参考例：大学のクラスで学習するソートのアルゴ リズム→機能を得ることが目的ではない、便利な ライブラリならいくらでもある • 最新の論文に出ているアルゴリズムは自分 で実装せざるをえないことも – 意外と簡単につくれる
- 12. 人工データでの確認 I1 I2 I3 I4 I5 U1 1 1 1 U2 1 1 1 U3 1 1 1 U4 1 1 ? ? ? レコメンデーションの場合 ユーザU4には何を薦めればいい？ クラスタリングの場合 これを2つのクラスタに分ける 離れた2つの点を中心に正規分布した点をそれぞれ作る こういう自明なケースで確認：単体テストとしても有効
- 19. 数値的な解析に便利なツール • Numpy/Scipy （これはあたりまえ） • Sympy （あまり使わない？）
- 21. 答
- 24. 既存のライブラリを使ってみる • とりあえずはscikit-learn • インターフェースが統一されてる • ドキュメントも整備されている
- 28. Scikit-learnのよさ • ドキュメントがよく書かれていて、内部データ 構造についても記述があるものが多い • 内部データ構造を見ることで機械学習アルゴ リズムの理解に役立つ • それでも納得しなければソースコードを読め ばいい • とにかく深掘りしやすい環境
- 31. LDAについて D.M.Blei, A.Y.Ng, M.I.Jordan, "Latent Dirichlet Allocation" JMLR, vol.3, pp.993-1022 (2003) このようなグラフィカルモデルで表される 文書には潜在的なトピック群についての確率分布が割り当てられる
- 33. そのためには • 内部データ構造について、ドキュメントにはな にも書いていない • なので、ソースコードを読まないとならない • といっても、よく整理されているので読みやす い
- 34. LDAのパラメータ
- 36. 私のキャリア戦略 • 「中身をよくわかっている」というのは競争力 になるのではないか – より深いチューニング – 最新の研究論文の実装・実験がスムーズに