機械学習実習 2回課題

第6週 クラス分類のおためし (演習の環境と利用するデータ説明1.7節と)

✅2. 演習の環境と利用するデータ

dataInUse.ipynb の指示通りに実行

✅3. 教科書の1.7節: 最初のアプリケーション:アイリスのクラス分類

最後まで目を通す&実行する.

レポートの課題1

✅4. 来週までの宿題

第7週 k-近傍法によるクラス分類(2.3.2節)と回帰(2.3.2.3節)

2.3.2いっぱいまで

✅2.3.1節のコードを実行し， サンプルデータを理解する

✅2.3.2節 k-最近傍法を実行していく.

✅2.3.2.3節 再び回帰がでてくる.回帰とは何かを思い出しながら，実行していく.

✅2.3.2.4節と2.3.2.5節は，機械学習に強い興味がある人だけ読めばよし.(普通の人は飛ばす)

レポート課題2に取り組む

来週までの宿題

教科書の2.3.3.1節 線形モデルによる回帰を読んでおく

第8週 線形モデルによる回帰とクラス分類(2.3.3節)

2.3.3

2.3.3.2 節 線形回帰(通常最小二乗法)の説明を聞く

2.3.3.1節と2.3.3.2節を実行

wave データは，p.32に初出

2.3.3.3節，2.3.3.4節を読む

alphaの値はまずは気にしない.実行する事を主眼とする

気になる人は，読み込む

2.3.3.4節，2.3.3.5節は飛ばします.

課題3にとりくむ

ここまで出来れば，あとは独力で2.3.4節ナイーブベーズや2.3.5節決定木も実行可能.

余裕のある人は読んで実行

第9週、第10週 レポート作成時間

hr.icon

レポート思考

レベル　クラスメイトが理解できるレベル

学習させた機械学習モデルが汎化できているか確認するために、学習を目的とした訓練データで学習させた後、テストデータでモデルを確認する必要があるから。

モデルがどのくらいうまく機能しているか？

スコアどうやってだすの？

訓練セットと訓練ラベル

テストセット

学習モデルで予想したラベル 正解ラベル

✅b) 精度以外の指標に何があるかを調べ、数式を使って説明せよ。

✅c) 多くの指標が必要となる理由を説明せよ。

✅b)それぞれ簡単に説明せよ.

どうしてデータは大文字で表記し，

ラベルは小文字で表記するのか.

(4) 余裕のある人への追加課題

cancer データセット(p.34)を用いて，がんの良性，悪性判定を行うコードを書き， テストセットに対する精度を求めよ.

データ扱いやすそうなら(3)の流用で良さそう

from skleran.datasets import load_breast_cancer

retrunX_yできたらよき

irisのデータの'petal width (cm)'を他の3つのデータ'sepal length (cm)', 'sepal width (cm)', 'petal length (cm)' から推定する(回帰させる) コードを書け.

そして，訓練セットスコア，テストセットスコアを求めよ.

なお，irisデータの中身は， iris_data.keys()で把握せよ.

参考