Qiita記事一覧

NO IMAGE

Tellus OS触ってみた

先日公開されたTellusのプラットフォーム。 どういうことができるのかちょっと気になったので触ってみた どういうことができるのかちょっと気になったので触ってみた ユーザ登録 まずはユーザ登録 なんで住所まで入れる必要があるのかわからないが、入れないと登録できないので適当に入力。 住所なんて登録させて何に使うつもりなんだろう? 漏れたときのダメージが高いだけな気がするんだが。 データの利用について 「オリジナルデータ」がなにを指しているのかわからないので、何がOKで何がNGな...

記事を読む

[マインクラフトで深層強化学習ハンズオン]のための事前準備

今度、(マインクラフトで深層強化学習ハンズオンにいくのでそのための事前準備。 何事も詰まらなかったら特に記載することもないかなと思っていたの...

記事を読む

NO IMAGE

[SIGNATE]画像で遊んでみる(土砂崩れを探せ) その2

前回はあまりにさっぱりだったので別の方法を試してみる。 Deep Learningを試してみる scikit-learnでDeep Learningもできそうということで入れてみることにする https://qiita.com/ToshikiShimizu/items/3c0b8713a26ee10b689e https://algorithm.joho.info/machine-learning/python-scikit-learn-neural-network-iris/ ついでに画...

記事を読む

NO IMAGE

[SIGNATE]画像で遊んでみる(土砂崩れを探せ)

なんか新しいコンペのメールが来てたのでSIGNATEのコンペのデータで遊んでみた。 コンペの目的 Tellus Satellite Challengeは、衛星データの利活用事例の可視化、優秀な分析人材の発掘、衛星データ種やフォーマットの周知・啓蒙等、Tellusの利活用の促進を目的としたデータ分析コンテストです。 第1回目のテーマは「SARデータを用いた土砂崩れ検出」です。 近年、自然災害のリスクが高まる中、災害時の土砂崩れの迅速把握が人命救助の観点などから極めて重要であり、観測衛星から...

記事を読む

NO IMAGE

[解決編]AlexaからIFTTT経由でショッピングリストの情報を取得すると文字化けするのをなんとかした

この続きです。 前回は文字化けの正体がわからないままだったので、どうにもできなかったが、 @yoshiro_mihiraさん、@mstk0531さんからのコメントを元に自分なりのフローに当てはめてみたところ、なんとか上手くいったので書き残しておく。 Alexaの買い物リストを流用したい人は最終的なアウトプットがそれぞれ別々だと思うのでデコード後の処理は適当に読みかえてもらえるとありがたい。 文字コード関連 @mstk0531さんのこの記事にてnode-redのnode-red-contri...

記事を読む

NO IMAGE

2系のPythonのListにはclear関数が無い(辞書にはある)

Pythonの2系のリストにはclear関数が無い。 当たり前のようにあるだろうと list.clear() と書いてエラーになってから調べてみたのでまた調べなくていいようにメモっておく。 https://docs.python.jp/2.7/tutorial/datastructures.html#the-del-statement del a[:] 何がややこしいかっていうと辞書はClear関数を持ってるんだよね。 https://docs.python.jp/2.7/library/s...

記事を読む

NO IMAGE

[Kaggle]画像で遊んでみる(dogs vs cats)

前回までは属性に対しての解析だったので今度は画像を分類わけしてみることにした。 といっても、右も左もわからない状態がどうやって進んだのか?という参考になればという程度のメモである。 犬猫 試してみたのはこっちのコンペのデータ https://www.kaggle.com/c/dogs-vs-cats 犬か猫かを分類しようぜというやつだ。 データ確認 DLしながらデータセットの中身を確認 The training archive contains 25,000 images of ...

記事を読む

NO IMAGE

[Kaggle]いろいろとTitanicしてみる:グリッドサーチ

ハイパーパラメータのチューニング 前回の続き 交差検証を調べていたら以下の記事に遭遇 https://qiita.com/tomov3/items/039d4271ed30490edf7b これの後半にモデルに対するパラメータのチューニングの仕方が載っていたので、それを参考に今回は「ハイパーパラメータのチューニング」をやってみることにする。 ググる https://blog.amedama.jp/entry/2017/09/05/221037 いくつかググってみたのだが、ここが自...

記事を読む

NO IMAGE

[Kaggle]いろいろとTitanicしてみる:過剰適合/過学習/交差検証

目的 交差検証について調べたりコード化してみる そもそもの発端としては 前回の訓練データだと90ぐらいのスコアになったのをアップロードしてみたらちょこっとしかUPしてなかったということである。 以下のようなろくでもない検証にしかしてなかったのでダメだろうとは思っていたが ここまで差が出るとはちょっとびっくりであった。 evaluation_score = round(model.score(features , target) * 100, 2) なので、調べてみることにした。 [...

記事を読む

NO IMAGE

[Kaggle]いろいろとTitanicしてみる

前回Kagglerになってみたが、それだとしっくりこなかったり、ほかのモデルを試してみてなかったりしたので 以下を参考にいろいろと試行錯誤してみた。 [Kaggle]0から本当に機械学習を理解するために学ぶべきこと~一流のデータサイエンティストを例に~ [part2]0から本当に機械学習を理解するために学ぶべきこと~一流のデータサイエンティストを例に~ [part3]0から本当に機械学習を理解するために学ぶべきこと~0からscikit-learnを使いこなす~ といっても、なんとなく思考をトレー...

記事を読む

Bitnami