実行環境と教師データさえご用意いただければ、
すぐに機械学習(ディープラーニング(教師あり学習))ができるPythonコード(500行程度)を販売いたします。
機械学習ライブラリにはTensorFlow(1.x.x系)を使用しています。
「機械学習を試してみたいけど、難しそうでなかなか実装に手が付けられない」
「実行環境は整えられたけど、動くコードが作成できない」
「コードを参考にして、自分でも作ってみたい」
といった方におすすめです。
本コードは、様々なデータに汎用的に使用できるように作成しています。
その分痒いところに手が届かない部分(*)もあるかも知れませんが、
適切な入力データさえ用意すれば、企業の売上予測や、株価予測から、
手書き文字認識といった問題にも対応することが可能かと思います。
(*)畳み込みや、Dropout、BatchNormalization等の高度な手法には対応していません。
全結合、ミニバッチ学習を基本とし、最適化アルゴリズムはAdamとなっています。
ニューラルネットワークの学習の基本的な仕組みは知っていることを前提としています。
コードの主な内容は
①入力した教師データを自動的に学習用データとテスト用データに分割し、
②学習用データを用いての学習と、テストデータを用いての検証を繰り返し、
③検証結果の進捗をグラフ表示する。
④必要に応じて、未知のデータに対する予測を行う。
というものです。
回帰問題(例:身長や腹囲から、体重を予測する)、
分類問題(例:手書きの数字(0~9)を判別する)、
のどちらにも対応できるように作成しています。
また、いずれの問題でも説明変数の数(要因の列数)、
目的変数の数(結果/正解ラベルの列数)を自動判定するため、
細かなチューニングは不要で、データを放り込むだけで実行可能です。
学習結果は、回帰・分類のどちらの場合でも、
グラフとして可視化することができます。(画像参照)
様々な設定を簡単に変更できるよう、パラメータ化していますので、
手軽に機械学習を試すことができます。
【主なパラメータ】
・学習の繰り返し回数
・学習率
・中間層の数
・中間層のニューロン数
・ミニバッチのサイズ
・重みの初期値(分布)
・活性化関数
etc
※※※※※※※※※※※※※※※※※※※※※※※※
本項および、よくある質問を必ずご一読ください。
※※※※※※※※※※※※※※※※※※※※※※※※
※無期限・無制限でのご利用は商用利用オプションをご購入ください。
■商品に含まれるもの
・Pythonコード(.py)
・readme(コード中パラメータの説明書/サンプルデータ使用方法)
・サンプルデータ(csvファイル)
・How_to_use_sample_data.txt(サンプルデータの使用方法)
下記の環境をご自身で整えられる程度の知識を前提としています。
※下記の環境は一例です。
■必要なソフトウェア/ライブラリ
・Python 3系
・Numpy
・Matplotlib
・TensorFlow 1.x.x(最新バージョンの2.x.x系ではコード修正が発生します。)
・その他依存ライブラリ
■出品者環境
・Python 3.7.1
・Numpy 1.16.4
・Matplotlib 3.1.0
・TensorFlow 1.13.1