Helve’s Python memo

Pythonを使った機械学習やデータ分析の備忘録

Pythonのf-stringsで文字列を扱う

Python 3.6以降で実装されたf-stringsと呼ばれる数字や文字列の表記法について、学術計算で最低限必要な範囲でまとめた。 本記事では、整数・小数の桁数指定や、指数表示を扱う。

Scikit-learnでデータのスケール変換(前処理)する

Pythonの機械学習用ライブラリScikit-learnに実装されている、スケール変換について調べた。スケール変換を行うクラス3つのパラメータとメソッドをまとめ、各変換の結果を比較した。

<matplotlib> スタイルによるグラフの見た目の変更

matplotlibにはスタイルと呼ばれる、グラフの見た目を変更できるプリセットが用意されている。スタイルを活用することで、グラフの見た目を簡単に変更できる。

<Keras> RNN, GRU, LSTMによる時系列予測

KerasのRNN, GRU, LSTMレイヤを使って時系列データを学習させる。 Kerasを初めて使われる方は、以下の記事を参考にして下さい。

<Keras> ニューラルネットワークによる正弦波の回帰【入門】

以前、Chainerの入門記事を書いたが、実装が容易なkerasを試してみた。ニューラルネットワーク (NN) による回帰の実装例として、sin波を学習させる。

<Tensorflow> Nehalem以前のPCへの導入

ディープラーニングのライブラリKerasを導入した。 このとき、Kerasがバックエンドで使用するTensorflowのインストールにやや詰まったため、備忘録として手順を残す。目次 環境 Tensorflowのインストール Kerasのインストール

<Scikit-learn> ランダムフォレスト回帰のfeature_importances_の定義

Scikit-learnの回帰木やランダムフォレスト回帰のクラスには、 Feature Importances (FI) という説明変数の重要度を示す指標があるが、 導出について公式のリファレンスに書かれていなかったため調べた。 結論から述べると、各説明変数による予測誤差の二乗…

<matplotlib> オブジェクト指向なカラーバーの表示

matplotlibライブラリで作成したヒートマップや等高線図のカラーバーを、オブジェクト指向スタイルで調整する。 オブジェクト指向によるグラフの描画は、複数のグラフをプロットしたときに、どのグラフの描画を調整しているか分かりやすいという利点がある。

<matplotlib> オブジェクト指向な対数軸プロット

matplotlibライブラリで作成したグラフを、オブジェクト指向スタイルで調整する。 オブジェクト指向によるグラフの描画は、複数のグラフをプロットしたときに、どのグラフの描画を調整しているか分かりやすいという利点がある。

<Chainer> Iteratorクラスによる学習用ミニバッチ作成

以前の記事で、ChainerのChainクラスとOptimizerを使って最小限のニューラルネットワーク (NN) を実装した(以下のリンクを参照)。 今回は、データセットから学習用ミニバッチを作成してくれるIteratorクラスの動作を確認する。helve-python.hatenablog.jp…

<ベイズ推論> 多次元ガウス分布の学習

「ベイズ推論による機械学習入門」を読んだので、ベイズ推論への理解を深めるため、多次元ガウス分布の学習をPythonで実装した。

<Chainer> 最小限のニューラルネットワーク実装【入門】

ディープラーニング用のライブラリChainerの使い方を理解するため、複数の記事に分けて、基本からステップアップしながら実装する。 この記事では、ChainerのChainクラスとOptimizerを使って最小限のニューラルネットワーク (NN) を実装する。

<SciPy> FIRフィルタによる波形整形

SciPyを使って、FIR (Finite Impulse Response, 有限インパルス応答) フィルタによる離散信号の波形を整形する。ローパス、ハイパス、バンドパス、バンドエリミネイトの各フィルタの設計から、信号への適用まで行う。

<NumPy> 高速フーリエ変換による周波数解析

NumPyのfftパッケージを使って、FFT (Fast Fourier Transform, 高速フーリエ変換) による離散信号の周波数解析を行い、信号の振幅を求める。

<matplotlib> オブジェクト指向なグラフの調整

matplotlibライブラリで作成したグラフを、オブジェクト指向スタイルで調整する。

<matplotlib> オブジェクト指向なグラフ作成

matplotlibライブラリを用いて、オブジェクト指向スタイルでグラフを作成する。

<Pandas> データの作成

PandasはPythonのデータ解析支援用ライブラリである。 Pandasの基本データ構造であるSeriesとDataFrameの作成方法について述べる。目次 環境 Pandas概要 1次元データ構造Seriesの作成 2次元データ構造DataFrameの作成 補足 欠落値を持つデータ 要素を持たな…

<multiprocessing> 並列計算

Pythonの標準ライブラリmultiprocessingを使って、並列計算を行う。目次 環境 各並列処理間でデータを共有せず並列計算を行う場合

<BeautifulSoup> XMLの解析

BeautifulSoupを使って、XMLを解析(parse)する。

<NumPy> 統計の関数

統計処理で利用できるNumPyの関数について。

<NumPy> 数学の関数

NumPyで利用できる数学の関数について。

<NumPy> 配列の演算

目次 基本的な四則演算 線形代数学の演算 内積・外積 ノルム・ランク・行列式 転置 逆行列 連立方程式の解 固有値・固有ベクトル 特異値分解 参考リンク

<NumPy> 配列の操作

NumPy配列のコピーや次元の結合、結合・分割、ソートについて。

<NumPy> 配列の確認

作成したNumPy配列の要素などを確認する。

<NumPy> 配列の作成

NumPyを使った、基本的な配列や線形代数学でよく使われる配列の生成について。目次 基本的な配列の作成 線形代数学でよく使われる配列の生成 全要素が0の配列 全要素が1の配列 全要素が同じ値の配列 単位行列など 三角行列など その他の特殊な配列の作成 線…

当サイトについて

当サイトのプライバシーポリシーについて。