忍者ブログ
Slic3rの設定についてまとめてます。Slic3rの日本語版が見当たらなかったので、使い方をまとめました。 最近はC#のメモ帳代わりになってます。

機械学習の学習日記 | チュートリアル「簡単な実験の作成」 4.学習アルゴリズムを適用する。

スポンサーリンク

Azure Machine Learning Studio での簡単な実験の作成

これやってる。

本家のチュートリアルをそのままなぞってるだけです。

これまで

以下の手順でExperementを作成してます。
2.データの前処理する。
3.特徴を定義する。


学習アルゴリズムの適用する。

データの準備が出来たので、「学習」を行います。
機械学習の種類を分類すると、「Classification」(識別)と「Regression」(回帰)があります。このチュートリアルで行うような値(price)を求めような手法は「Regression」(回帰)に分類されます。ここでは、「Linear Regression」(直線回帰モデル)で学習を行います。

1.データを学習用と、試験用に分割します。

Data TransFormation > Sample and Split > Split をキャンバスにドラッグして、 Project Columnsの出力ポートと接続します。


Fraction of rows in the first output datasetを0.75に設定して、75%を学習用、25%を試験用にします。

2.実行します。


Splitの出力結果を確認します。SplitにはDataSet1とDataSet2の出力ポートがありますので、両方見てみます。
DataSet1


DataSet2


DataSetDataSet1のrowsが145、DataSetDataSet2のrowsが48に分割されました。

3.学習アルゴリズムを適用します。

Machine Learning > Initialize Model > Regression > Linear Regression をキャンバスにドラッグします。

4.トレーニングモジュールを配置します。

Machine Learning > Train> Train Model をキャンバスにドラッグし、Splitと、Linear Regressionの出力ポートと接続します。


「Train Model」のプロパティの「Lanch column selector」をクリック


モデルが予測する項目priceを選択します。


5.実行します。
この結果が学習されたLinear Regression(直線回帰モデル)になります。
この結果と、Splitで作成しておいた試験データを用いてモデルを評価します。

リンク

1.データを取得する。
2.データの前処理する。
3.特徴を定義する。
4.学習アルゴリズムの適用する。
5.新しいデータで予測する。


関連記事