![RandomForest
データの前処理 その３
０-９Ａ-Ｚａ-ｚ?-
?!"#$%&?'()*+,-
./:;<=>?@[?]^_`{|}~?????
??‐-?–????﹣－?—―─━ー
~～???～！”＃＄％＆’
（）＊＋，?．／：；＜
＞？＠［￥］＾＿｀
｛｜｝?
色々正規化](https://image.slidesharecdn.com/20170130-170131002320/85/RandomForest-vs-LSTM-13-320.jpg)
レビューのネガポジ RandomForest vs LSTM
- 2. 本日の内容 1. 自己紹介 2. ネガポジ判定器を作りたい 3. RandomForest 4. LSTM 5. まとめ
- 4. 本日の内容 1. 自己紹介 2. ネガポジ判定器を作りたい 3. RandomForest 4. LSTM 5. まとめ
- 9. 本日の内容 1. 自己紹介 2. ネガポジ判定器を作りたい 3. RandomForest 4. LSTM 5. まとめ
- 10. RandomForest ９９％がデータの前処理です 2. データの前処理 1. データの前処理 3. データの前処理 5. データの前処理 4. データの前処理 6. データの前処理 7. RandomForest やったこと
- 14. RandomForest 時短 名詞,一般,*,*,*,*,時短,ジタン,ジタン で 助詞,格助詞,一般,*,*,*,で,デ,デ 作れ 動詞,自立,*,*,一段,連用形,作れる,ツクレ,ツクレ て 助詞,接続助詞,*,*,*,*,て,テ,テ 、 記号,読点,*,*,*,*,、,、,、 美味しく 形容詞,自立,*,*,形容詞?イ段,連用テ接続,美味しい,オイシ 家族 名詞,一般,*,*,*,*,家族,カゾク,カゾク も 助詞,係助詞,*,*,*,*,も,モ,モ お気に入り 名詞,一般,*,*,*,*,お気に入り,オキニイリ,オキニイリ です 助動詞,*,*,*,特殊?デス,基本形,です,デス,デス 。 記号,句点,*,*,*,*,。,。,。 データの前処理 その４
- 18. 本日の内容 1. 自己紹介 2. ネガポジ判定器を作りたい 3. RandomForest 4. LSTM 5. まとめ
- 19. LSTM LSTMとは？ ?わかるLSTM ? 最近の動向 http://qiita.com/t_Signull/items/21b82be280b46f467d1b どうやって使おう？ ?ディープラーニングを使って転職会議の 企業クチコミデータを感情分析してみる http://qiita.com/inuscript/items/54daa5aedde599e2637c サンプルコードないの？ ?LSTM Networks for Sentiment Analysis http://deeplearning.net/tutorial/lstm.html TheanoというPythonの数値計 算ライブラリで実装された LSTM用のフレームワークみた いなものだよ
- 20. LSTM ハイパーパラメータよく分からない 2. ソースの改造 1. データの前処理 3. LSTM 5. パラメータチューニング 4. パラメータチューニング 6. パラメータチューニング 7. パラメータチューニング やったこと
- 22. LSTM ソースの改造 Unlike in Python 2, the zip function in Python 3 returns an iterator. Iterators can only be exhausted (by something like making a list out of them) once.
- 25. 本日の内容 1. 自己紹介 2. ネガポジ判定器を作りたい 3. RandomForest 4. LSTM 5. まとめ
- 26. まとめ RandomForest precision recall f1-score support 0 0.81 0.59 0.68 581 1 0.89 0.96 0.92 1996 avg / total 0.87 0.88 0.87 2577 precision recall f1-score support 0 0.81 0.65 0.72 581 1 0.90 0.96 0.93 1996 avg / total 0.88 0.89 0.88 2577 true_0 true_1 pred_0 344 83 pred_1 237 1913 true_0 true_1 pred_0 378 87 pred_1 203 1909 LSTM ほぼ同じ 結果でした
- 27. オマケ 前処理が面倒なので、 １文字ずつでLSTMしてみた precision recall f1-score support 0 0.82 0.76 0.79 672 1 0.93 0.95 0.94 2274 avg / total 0.91 0.91 0.91 2946 true_0 true_1 pred_0 510 162 pred_1 111 2163 LSTM using single char
- 29. ご清聴ありがとうございました
Editor's Notes
- ２分半
- ４分半
- LSTM(Long short-term memory)は、RNN(Recurrent Neural Network)の拡張として1995年に登場した、時系列データ(sequential data)に対するモデル、あるいは構造(architecture)の1種です。その名は、Long term memory(長期記憶)とShort term memory(短期記憶)という神経科学における用語から取られています。LSTMはRNNの中間層のユニットをLSTM blockと呼ばれるメモリと3つのゲートを持つブロックに置き換えることで実現されています。