狠狠撸

R ?& ?Machine ?Leaning
July ?6 ?2015
Yoshiharu
?Ikutani
?
@
?NNCT
?勉強会
?

今回の?目標
l?? 「機械学習とは何か」を理理解する
l?? Rの初歩を理理解する
l?? Rで基本的な機械学習プログラムを実?行行する
参考① 参考②
2
R
?&
?Machine
?Leaning

アジェンダ
l?? 機械学習って何？
l?? Rって何？ ?どうやって使う？
l?? 実習：Rで機械学習アルゴリズム
3
R
?&
?Machine
?Leaning

機械学習とは？
l?? まず質問します
「機械学習って何ですか？」
※さらさら答えられる?人は帰って良良し
l?? 分からないなら偉い?人に聞きましょう
l?? Tom ?Mitchell
カーネギーメロン?大学教授
?人?工知能?機械学習の権威
4
R
?&
?Machine
?Leaning

Tom ?Mitchell ?による定義
“機械学習では経験により?自動的に改善する
プログラムをどう作るかという問題を考える”
プログラム経験改善（学習）
このプロセスを?自動でやるにはどうすれば良良い？
5
R
?&
?Machine
?Leaning

Tom ?Mitchell ?による詳細な定義
“プログラムはタスクTとパフォーマンス
?測定Pに関連する経験Eから学習する”
株価チャート
（経験E)
売買結果
(パフォーマンス測定P)
判断
（タスクT）
買い
売り
6
R
?&
?Machine
?Leaning

Tom ?Mitchell ?による詳細な定義
“タスクTでパフォーマンスした場合
?パフォーマンス測定Pにより評価され
?経験Eにより改善されていく”
経験E パフォーマンス測定PタスクT
判断
プログラムの改善
7
R
?&
?Machine
?Leaning

けっきょく機械学習とは？
“パフォーマンス測定Pに対する
?判断(タスクT)を?一般化するため
?データ(経験E)からモデルを訓練すること“
判断
モデルの改善
モデル
8
R
?&
?Machine
?Leaning

機械学習ができると何が嬉しいの？
l?? 過去のデータから
未来の現象を予測できる
l?? もうすこし厳密に?言うと???
過去のデータによるモデルの訓練から
未来の現象への適した判断を予測できる
未知の経験 ?高パフォーマンス
最適な
判断
訓練された
モデル
9
R
?&
?Machine
?Leaning

機械学習で解ける問題
l?? 代表的な問題は以下の4つ
1.? Classi?cation ?(分類)
2.? Regression ?(回帰)
3.? Clustering ?(基準なし分類)
4.? Rule ?Extraction ?(ルール抽出)
l?? 発表の?目的範囲を超えるので説明は割愛
※各?自，上のキーワードで調べてみてください
10
R
?&
?Machine
?Leaning

アジェンダ
11
R
?&
?Machine
?Leaning

Rとは？
l?? オープンソース&フリーの
統計解析向けプログラミング?言語
l?? (私?見見では）データいじり特化型?言語
R
?&
?Machine
?Leaning
12
読書き?操作
グラフ出?力力が容易易
（だいたい1?行行）
膨?大な数の解析?手法
がパッケージで提供
データ操作以外苦?手
(Text処理理すら微妙)
ベクトルベースの
変わった処理理体系

とりあえず触ってみる
l?? 準備
1.? Rのインストール
http://cran.r-‐??project.org/bin/macosx/ ?
2.? Rstuidoのインストール
http://www.rstudio.com/products/rstudio/ ?
3.? GitHubレポジトリのクローン
https://github.com/Yoshiharu-‐??Ikutani/R_?machine ?
R
?&
?Machine
?Leaning
13

CSV ?の読込と表?示
l?? CSVを読み込む
R
?&
?Machine
?Leaning
14
>
?data
?<-?‐
?read.csv("data_pca.csv")
?
l?? data ?の中?身を表?示する
>
?data
?
l?? WorkingDirectoryをR_?machineに設定
Rstudio上で Ctrl+ShiG+H
?

data ?の部分表?示
l?? data ?の1列列?目を表?示
R
?&
?Machine
?Leaning
15
>
?data[,1]
?
l?? data ?の1-‐??3?行行?目の2-‐??3列列?目を表?示
>
?data[1:3,2:3]
?
l?? data ?の1?行行?目を表?示
>
?data[1,]
?

data ?のグラフ出?力力
l?? dataの列列ごとの分布を箱ヒゲ図で出?力力
R
?&
?Machine
?Leaning
16
>
?boxplot(data)
?
l?? dataの3列列?目を線グラフで出?力力
>
?plot(data[,3],type=“l”)
?
l?? dataの1列列?目を棒グラフで出?力力
>
?barplot(data[,1])
?

R ?まとめ
l?? データ処理理なら簡単に何でもできる
n?? 統計的検定，信号処理理 ?etc.
l?? 競合としてはPythonが熱い
n?? Scipy, ?Numpyでの数学処理理
n?? Pandasによるデータフレーム
n?? 分析以外もできる ?(Rより上?)
R
?&
?Machine
?Leaning
17
vs

アジェンダ
18
R
?&
?Machine
?Leaning

Rで機械学習アルゴリズム
l?? できそうな気がしてきましたか？
l?? 基本は以下のフロー通り
今?日は特にRを使うところだけ実習
R
?&
?Machine
?Leaning
19
データの
収集
データの
読込?整形
機械学習
の実?行行

取り上げる機械学習
l?? 4種類のアルゴリズムのRコードを?用意
1.? ニューラルネット ?(NeuralNetwork.R)
2.? 線形回帰 ?(LinerRegression.R)
3.? k-‐??means法 ?(kmeans.R)
4.? 主成分分析 ?(PCA.R)
l?? 今回はニューラルネットだけ解説
※残りは?自由に試してください
R
?&
?Machine
?Leaning
20

問題設定
l?? アヤメ（花の?一種）の"がく"と"花びら"の
情報から品種を推測したい
l?? irisにはアヤメの情報が格納
n?? Sepal.Length ?& ?Width ?: ?がくの??長さ?幅
n?? Petal.Length ?& ?Width ?: ?花びらの??長さ?幅
n?? Species ?: ?品種
R
?&
?Machine
?Leaning
21

ニューラルネットワーク
l?? 問題解決のためニューラルネットを利利?用
n?? 原理理についての説明は割愛
R
?&
?Machine
?Leaning
22
Sepal.Length
Sepal.Width
Petal.Length
Petal.Width
品種A
品種B
品種C

学習条件の整理理
l?? irisには150個のデータが格納
n?? 75個のデータを訓練?用 ?(iris.train)
n?? 残り75個のデータをテスト?用 ?(iris.test)
R
?&
?Machine
?Leaning
23
品種
判断
モデルの改善
モデル

実際に試してみる
l?? NeuralNetwork.Rを動作させ結果を確認
R
?&
?Machine
?Leaning
24

まとめ
l?? 機械学習は4つの要素から構成
1.? 経験E：アヤメの情報
2.? タスクT：品種の判断
3.? パフォーマンス測定P：判断の正否
4.? ?自動で改善可能なモデル：ニューラルネット
l?? 機械学習とは：
“未来の現象への適した判断を予測するための
過去のデータを使ったモデルの訓練”
R
?&
?Machine
?Leaning
25

狠狠撸

R & Machine Leaning

Recommended

More Related Content

Similar to R & Machine Leaning (14)

R & Machine Leaning