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
280
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
1.7k
Harnessing Large Language Models for Training-free Video Anomaly Detection
tereka114
1
1.6k
KDD2023学会参加報告
tereka114
2
620
Prompting Large Language Models with Answer Heuristics for Knowledge-based Visual Question Answering
tereka114
0
410
Mobile-Former: Bridging MobileNet and Transformer
tereka114
0
1.1k
DER: Dynamically Expandable Representation for Class Incremental Learning
tereka114
0
220
Jupyter Notebookを納品した話
tereka114
0
480
Multi Scale Recognition with DAG-CNNs
tereka114
0
150
How to use scikit-image for data augmentation
tereka114
0
280
Other Decks in Programming
See All in Programming
Rancher と Terraform
fufuhu
2
200
Kiroで始めるAI-DLC
kaonash
2
520
OSS開発者という働き方
andpad
5
1.7k
もうちょっといいRubyプロファイラを作りたい (2025)
osyoyu
0
240
MCPで実現するAIエージェント駆動のNext.jsアプリデバッグ手法
nyatinte
7
1k
Langfuseと歩む生成AI活用推進
licux
3
320
AIエージェント開発、DevOps and LLMOps
ymd65536
1
380
Zendeskのチケットを Amazon Bedrockで 解析した
ryokosuge
3
260
go test -json そして testing.T.Attr / Kyoto.go #63
utgwkk
2
230
AIを活用し、今後に備えるための技術知識 / Basic Knowledge to Utilize AI
kishida
19
4.6k
Oracle Database Technology Night 92 Database Connection control FAN-AC
oracle4engineer
PRO
1
380
TDD 実践ミニトーク
contour_gara
1
280
Featured
See All Featured
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
26
3k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
Practical Orchestrator
shlominoach
190
11k
Testing 201, or: Great Expectations
jmmastey
45
7.6k
Git: the NoSQL Database
bkeepers
PRO
431
66k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
23
1.4k
Build your cross-platform service in a week with App Engine
jlugia
231
18k
Faster Mobile Websites
deanohume
309
31k
Building Adaptive Systems
keathley
43
2.7k
Making Projects Easy
brettharned
117
6.4k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.9k
The Art of Programming - Codeland 2020
erikaheidi
55
13k
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!