過去10年間、機(jī)械學(xué)習(xí)は科學(xué)研究室から日常のWebおよびモバイルアプリケーションに移行しました。機(jī)械學(xué)習(xí)により、アプリケーションは、畫像のオブジェクトや顔の検出、スパムやヘイトスピーチの検出、電子メールおよびメッセージアプリケーションのスマートな返信の生成など、以前に難しいタスクを?qū)g行できます。

キーポイント

機(jī)械學(xué)習(xí)は、科學(xué)研究室から日常のWebおよびモバイルアプリケーションに進(jìn)化し、以前はプログラムが困難だったタスクを?qū)g行できるようになりました。
機(jī)械學(xué)習(xí)は経験に依存しており、ルールを提供するのではなく、例を通じてモデルを訓(xùn)練します。機(jī)械學(xué)習(xí)アルゴリズムにはさまざまなカテゴリがあり、それぞれが特定の問題を解決できます：監(jiān)視された學(xué)習(xí)、監(jiān)視されていない學(xué)習(xí)、補(bǔ)強(qiáng)學(xué)習(xí)。
Pythonは、そのシンプルさ、読みやすさ、Scikit-Learn、Tensorflow、Pytorchなどのライブラリやフレームワークなどの幅広いエコシステムにより、人気のある機(jī)械學(xué)習(xí)言語になりました。ただし、Pythonプログラミングの基本概念、Numpy、Pandas、Matplotlibなどのライブラリ、統(tǒng)計と確率を理解することは前提條件です。
機(jī)械學(xué)習(xí)モデルを?qū)g裝するプロセスには、問題の定義、データの収集、データセットのトレーニングとテストセットへの分割、モデルの構(gòu)築、パフォーマンスの評価が含まれます。相互検証やトレーニングテストの分割などの手法、および精度、精度、リコール、F1スコアなどの指標(biāo)を使用して、モデルのパフォーマンスを検証できます。

機(jī)械學(xué)習(xí)はどのように機(jī)能しますか？

監(jiān)視されていない學(xué)習(xí)

監(jiān)視されていない學(xué)習(xí)は、データがあるが結(jié)果ではなくパターンを探している問題に適しています。たとえば、類似性に基づいてセグメントにグループ化することをお勧めします。これは、教師のない學(xué)習(xí)におけるクラスタリングと呼ばれます。または、ビジネスの通常の活動から逸脫する悪意のあるネットワークトラフィックを検出することもできます。これは異常検出と呼ばれ、別の監(jiān)視されていない學(xué)習(xí)タスクです。監(jiān)視されていない學(xué)習(xí)は、無関係な機(jī)能を削除することで機(jī)械學(xué)習(xí)タスクを簡素化する手法である次元削減にも使用できます。

監(jiān)視されていない人気のない學(xué)習(xí)アルゴリズムには、K-meanクラスタリングと主成分分析（PCA）が含まれます。

補(bǔ)強(qiáng)學(xué)習(xí)

強(qiáng)化學(xué)習(xí)は、エージェントが環(huán)境と対話することにより目標(biāo)を達(dá)成しようとする機(jī)械學(xué)習(xí)の分野です。強(qiáng)化學(xué)習(xí)には、アクション、ステータス、および報酬が含まれます。訓(xùn)練されていない強(qiáng)化學(xué)習(xí)エージェントは、ランダムアクションから始まります。各アクションは、環(huán)境の狀態(tài)を変更します。エージェントが希望の狀態(tài)で自分自身を見つけた場合、彼は報酬を受け取ります。エージェントは、最も報酬を生成する一連のアクションと狀態(tài)を見つけようとします。

強(qiáng)化學(xué)習(xí)は、GoogleのAlphagoやAlphastarなどの推奨システム、ロボット工學(xué)、およびゲームロボットで使用されます。

Python環(huán)境のセットアップ

この記事では、機(jī)械學(xué)習(xí)の最も人気のある分野であり、その結(jié)果が評価が容易であるため、監(jiān)督された學(xué)習(xí)に焦點を當(dāng)てます。 Pythonは、機(jī)械學(xué)習(xí)アプリケーションをサポートする多くの機(jī)能とライブラリがあるため、使用します。ただし、一般的な概念は、同様のライブラリを持つプログラミング言語に適用できます。

（Pythonに精通していない場合、FreeCodecampはあなたを始めるための素晴らしいクラッシュコースを提供します。）

データサイエンスと機(jī)械學(xué)習(xí)で一般的に使用されるPythonライブラリの1つは、人気のある機(jī)械學(xué)習(xí)アルゴリズムの実裝を提供するSCIKIT-LEARNです。 Scikit-Learnは基本的なPythonインストールの一部ではありません。手動でインストールする必要があります。

macOSとLinuxはPythonで事前にインストールされています。 Scikit-Learnライブラリをインストールするには、端末ウィンドウに次のコマンドを入力してください。

<code>pip install scikit-learn</code>

の場合

<code>python3 -m pip install scikit-learn</code>

代わりに、スタンドアロンのPython 3、Scikit-Learn、および

<code>python -m pip install scikit-learn</code>

scipy > andmatplotlib。公式ウェブサイトで、Anacondaの無料の個人版のインストール手順を見つけることができます。 ステップ1：問題を定義します

すべての機(jī)械學(xué)習(xí)プロジェクトの最初のステップは、解決したい問題を理解することです。質(zhì)問を定義すると、収集する必要があるデータの種類を決定し、使用する必要がある機(jī)械學(xué)習(xí)アルゴリズムのアイデアを提供します。 私たちの例では、花びらとsepalの長さと幅の測定に基づいて花の種類を予測するモデルを作成したいと考えています。

これは監(jiān)督分類の問題です。さまざまな花標(biāo)本とそれらの対応する種の測定値のリストを収集する必要があります。次に、このデータを使用して、測定を種にマッピングできる機(jī)械學(xué)習(xí)モデルをトレーニングおよびテストします。

ステップ2：データを収集

機(jī)械學(xué)習(xí)の最も難しい部分の1つは、モデルをトレーニングするためにデータを収集することです。モデルのトレーニングに必要なデータの量を収集できるソースを見つける必要があります。また、データの品質(zhì)を確認(rèn)し、モデルが処理するさまざまな狀況を表していることを確認(rèn)し、隠されたバイアスを含むデータの収集を避ける必要があります。

幸いなことに、Scikit-Learnには、さまざまな機(jī)械學(xué)習(xí)アルゴリズムを試すために使用できるおもちゃのデータセットがいくつか含まれています。 「IRISデータセット」には、質(zhì)問に必要な正確なデータが含まれています。ライブラリからロードするだけです。

次のコードでは、ハウジングデータセットがロードされます：

<code>pip install scikit-learn</code>

IRISデータセットには150の観測値が含まれており、それぞれが4つの測定値（IRIS.DATA）とターゲットフラワー種（Iris.Target）を備えています。 Iris.feature_namesのデータ列の名前を見ることができます：

<code>python3 -m pip install scikit-learn</code>

Iris.targetには、データセットに登録されている3つの花種の1つの數(shù)値インデックス（0-2）が含まれています。花の種の名前はiris.target_namesにあります：

<code>python -m pip install scikit-learn</code>

ステップ3：データセットを分割

<code>from sklearn.datasets import load_iris

iris = load_iris()
</code>

ステップ4：モデルを構(gòu)築

データの準(zhǔn)備が整ったので、機(jī)械學(xué)習(xí)モデルを作成し、トレーニングセットでトレーニングできます。私たちが扱っている分類の問題を解決できる多くの異なる機(jī)械學(xué)習(xí)アルゴリズムがあります。私たちの場合、「ロジスティック回帰」アルゴリズムを使用します。これは非常に高速で、あまりにも多くの次元を含まない単純な分類問題に適しています。

<code>pip install scikit-learn</code>

<code>python3 -m pip install scikit-learn</code>

<code>python -m pip install scikit-learn</code>

<code>from sklearn.datasets import load_iris

iris = load_iris()
</code>

以上がPythonを使用した機(jī)械學(xué)習(xí)のプライマーの詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國語 Web サイトの他の関連記事を參照してください。