機械学習 ホールドアウト検証
≪【前の記事】ガウス基底モデル ホールドアウト検証前回記事で説明したオーバーフィッティング問題を解消する方法の１つがホールドアウト検証と呼ばれる手法です。 ホールドアウト検証はデータを学習データ (訓練データ) とテストデータに分けておき、...
あとりえこばと
機械学習 
Python基礎 剰余演算
剰余演算$a$ を $b$ で割ったときの 剰余 (modulo) $r$ は \ によって定義され、 \ と表します。$q$ は商です。Python においては $q$ だけが（浮動小数点数型の）整数値であり、$a,\ b,\ r...
Python数学 ReLU(ランプ関数)
ReLU（ランプ関数）ReLU (Rectified Linear Unit) は、ニューラルネットワークの分野で活性化関数として用いられる関数の１つです。一般には ランプ関数 (ramp function) とよばれ (ramp は「傾斜...
機械学習 ガウス基底モデル
≪【前の記事】Fit_funcクラスガウス基底モデル前回までは多項式近似を扱いましたが、今回は \ で定義される ガウス関数 を基底関数として用いた ガウス基底モデル を扱います。 $\sigma=10,\ \mu=20k\ (k=0,\ ...
機械学習 任意関数の近似関数を生成するクラス
≪【前の記事】線形基底関数モデルFit_funcクラス前回記事では、入力変数 $x$ と目標データ $y$ の関係を基底関数 $\phi_k(x)$ の線形結合 \ によって近似するようなモデル（線形基底関数モデル）について学びました。今後...
Python基礎 【NumPy】配列データの書き込み・読み込み
numpy.save()numpy.save() を使うと、配列を NumPy 独自のバイナリ形式のファイル (npyファイル) に書き込むことができます。 numpy.save(ファイル名, 配列)データを書き込むときにはファイルの拡張子...
機械学習 線形基底関数モデル
≪【前の記事】最小二乗法による単回帰分析線形基底関数モデル前回までは 25歳以下に限定した年齢と体重のデータを使っていました。今回は年齢制限をなくして、幅広い年齢層から 20人を無作為抽出したデータを使用します。 # Linear_basi...
機械学習 最小二乗法による単回帰分析
≪【前の記事】平均二乗誤差と回帰直線線形回帰モデル② 最小二乗法による単回帰分析前回記事では年齢データ $x_k$ と体重データ $y_k$ をもとに、 \ を最小にするような $a,\ b$ を勾配法のアルゴリズムで計算させて、年齢 $...
グラフと図形 【Matplotlib】直線と折れ線グラフの作成
【Matplotlib】直線グラフの作成直線Matplotlib で直線グラフを作成する方法は何通りかあります。たとえば、numpy.arange() で作成した x のデータを直線の式に当てはめます。 # MATPLOTLIB_STRAI...
機械学習 平均二乗誤差（MSE）
≪【前の記事】最急降下法【機械学習】平均二乗誤差次のように $N$ 人の年齢 $x_k$ と体重 $y_k$ のデータセットが用意されたとします。 \[\boldsymbol{x}=\begin{bmatrix}x_0\\x_1\\\vdo...