Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜
Search
tereka114
March 16, 2022
Programming
0
250
面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜
tereka114
March 16, 2022
Tweet
Share
More Decks by tereka114
See All by tereka114
トラブルがあったコンペに学ぶデータ分析
tereka114
2
1.5k
Harnessing Large Language Models for Training-free Video Anomaly Detection
tereka114
1
1.5k
KDD2023学会参加報告
tereka114
2
560
Prompting Large Language Models with Answer Heuristics for Knowledge-based Visual Question Answering
tereka114
0
380
Mobile-Former: Bridging MobileNet and Transformer
tereka114
0
1.1k
DER: Dynamically Expandable Representation for Class Incremental Learning
tereka114
0
190
Jupyter Notebookを納品した話
tereka114
0
430
Multi Scale Recognition with DAG-CNNs
tereka114
0
130
How to use scikit-image for data augmentation
tereka114
0
240
Other Decks in Programming
See All in Programming
PsySHから紐解くREPLの仕組み
muno92
PRO
1
520
家族・子育て重視/沖縄在住を維持しながらエンジニアとしてのキャリアをどのように育てていくか?
ug
0
240
本当だってば!俺もTRICK 2022に入賞してたんだってば!
jinroq
0
250
Go1.24で testing.B.Loopが爆誕
kuro_kurorrr
0
160
Preact、HooksとSignalsの両立 / Preact: Harmonizing Hooks and Signals
ssssota
1
690
Go1.24 go vetとtestsアナライザ
kuro_kurorrr
2
470
マルチアカウント環境での、そこまでがんばらない RI/SP 運用設計
wa6sn
0
580
AIエージェントを活用したアプリ開発手法の模索
kumamotone
1
750
SideKiqでジョブが二重起動した事象を深堀りしました
t_hatachi
0
230
Let's Take a Peek at PHP Parser 5.x!
inouehi
0
100
RailsでCQRS/ESをやってみたきづき
suzukimar
2
1.5k
PHPUnit 高速化テクニック / PHPUnit Speedup Techniques
pinkumohikan
1
1.2k
Featured
See All Featured
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
31
4.7k
Bootstrapping a Software Product
garrettdimon
PRO
307
110k
VelocityConf: Rendering Performance Case Studies
addyosmani
328
24k
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Building Your Own Lightsaber
phodgson
104
6.3k
Building Adaptive Systems
keathley
41
2.5k
Code Review Best Practice
trishagee
67
18k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
4
470
Why Our Code Smells
bkeepers
PRO
336
57k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
30
1.1k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Typedesign – Prime Four
hannesfritz
41
2.6k
Transcript
面倒くさいこと考えたくない あなたへ 〜TPOTと機械学習〜 Acroquest Technology株式会社 山本 大輝(@tereka114)
自己紹介 1. 山本 大輝(@tereka114) 2. Acroquest Technology 株式会社 3. 画像処理、データ分析
4. 「のんびりしているエンジニアの日記」 (http://nonbiri-tereka.hatenablog.com/)
機械学習にデータを入れたい?
何を考えますか?
データの加工方法?
確かにそうでしょう。
一覧化しました。
機械学習において考えないといけないこと 1. 前処理 1. 前処理の種類 2. 特徴選択 3. 特徴量加工 2.
モデル 1. どんなモデルを作るか 1. Logistic Regression, 2. Random Forest 3. パラメータ 1. Ex. SVM(C, kernel ,eps etc) 4. 評価 1. Log loss, mse, rmse
考えること多すぎ!
めんどくさい
機械学習において考えないといけないこと 1. 前処理 1. 前処理の種類 1. Z変換 2. モデル 1.
どんなモデルを作るか 1. Logistic Regression, 2. RandomForest 3. パラメータ 1. SVM(C, kernel ,eps etc) 4. 評価 1. Log loss, mse, rmse
自動化します。
そう、TPOTで
What is TPOT? 1. TPOTは自動的にモデル選択、パラメータの選択を 遺伝的プログラミングを使って、最適化します。 1. 遺伝的プログラミングの実装はDEAPを使っている。 2. で、何ができるの?
1. 入力した特徴量から最適化する。 2. 最適化したコードを吐き出す。 3. コマンドラインとしても実行可能
TPOT 概要
TPOT 概要 前処理 モデル構築 パラメータの最適化
TPOT Example
TPOT Example データ作成 学習する スコア計算する ファイルにExport Pipeline
TPOTクラス 1. TPOT自身は、TPOTのコードをexportする他に predict, fit, fit_transform, score等のメソッドを持つ。 2. TPOTはscikit-learnを継承していないが、基本的に scikit-learnと同じインターフェースとして使える。
3. 内部は全てscikit-learn 4. TPOT便利
生成コード ここを変更する。
内部では・・・? 1. TPOTの前処理や分析は全てscikit-learnのクラスを 使っている。 1. Feature Selection等 2. 遺伝的プログラミングのコードはDEAPライブラリに よる作成なので、パラメータ(generation)等は似て
いる。
まとめ 1. TPOTを使った簡単な機械学習に挑戦した。 2. 遺伝的プログラミングを使った最適化によって良い 処理を生成する。 3. 簡単にコードを生成し、使える。
御清聴ありがとうございました!