EurekaMoments

This is my studying logs about Autonomous driving, Machine learning technologies and etc.

Machine Learning

Fundamentals of Regression by Machine Learning

Table of contents Table of contents Introduction Author GitHub Linear model with 1 dimensional input Input data: Age Target data: Height Data generation Linear model definition Gradient method Learning Result Point to notice Plane model wi…

機械学習に必要な数学の基本についての勉強メモ: ガウス関数編

はじめに 参考書籍 ガウス関数とは 2次元への拡張 関数の形を表すパラメータを加えた2次元ガウス関数 サンプルコード はじめに 前回は、指数関数と対数関数の応用編としてシグモイド関数・ソフトマックス関数編を記事にしました。 www.eureka-moments-blog…

機械学習に必要な数学の基本についての勉強メモ: シグモイド関数・ソフトマックス関数編

はじめに シグモイド関数とは シグモイド関数の微分 ソフトマックス関数とは ソフトマックス関数の微分 ソフトマックス関数とシグモイド関数の関係 サンプルコード はじめに 前回の記事では、機械学習に必要な指数関数と対数関数の基本について勉強した事を…

機械学習に必要な数学の基本についての勉強メモ: 指数関数・対数関数編

はじめに 前回までの記事 指数関数とは 対数関数とは 対数の便利さ 機械学習における対数 関数の最大値、最小値を探す場合 指数関数の微分 対数関数の微分 サンプルコード はじめに 前回の投稿から間が空いてしまいましたが、また下記の書籍を読みながら、機…

機械学習に必要な数学の基本についての勉強メモ: 行列編

背景・目的 行列とは Pythonにおける行列の定義 行列の積 単位行列 逆行列 3×3行列の逆行列を求める 転置 行列と写像 次回の内容 背景・目的 以前、機械学習に必要な数学について学んでいくにあたり、下記の記事を書きました。 www.eureka-moments-blog.com …

機械学習に必要な数学の基本についての勉強メモ: ベクトルと微分編

背景・目的 Pythonで縦ベクトルを表す ベクトルの足し算、引き算の図形的な解釈 ベクトルの内積 Pythonでのベクトルの大きさの計算 ベクトルの内積を和の記号を使って表す 積の記号 機械学習における微分の在り方 入れ子の関数の微分 機械学習における偏微分…

聴講メモ: MIT Self-Driving Cars: Sacha Arnoud, Director of Engineering, Waymo

背景・目的 Waymoについて 講演の動画 講演内容のメモ 良く分からなかった部分の参考資料 背景・目的 アメリカの自動運転車開発企業であるWaymoのエンジニアリングディレクタであるSacha Arnoudが、MIT(マサチューセッツ工科大学)にて講演を行ったようです。…

データの正規化を考慮したワインの等級予測:Linear SVC編

背景・目的 予測モデルの学習手法の選定:Linear SVC とりあえずやってみる データを正規化・標準化してみる Z-Score Normalization(標準化) Min-Max Normalization データの分布形状を確認 正規化・標準化したデータで再度Linear SVC 次のステップ 背景・目…

Glossary of Machine Learning

Introduction 特徴量とは(Feature Value) 学習とは(Learning) 教師あり / なし学習(Supervised / Unsupervised Learning) 最適化問題(Optimization Problem) 座標降下法(Coordinate Descent) 最急降下法(Gradient Descent) 確率勾配法(Stochastic Gradient D…

Data Analysis for Predicting Class of Wine Part1

Introduction Reference Sample Data Contents Correlation check The Top 5 Attributions which have high correlation with Class Integration Class 1 and Class 3 Correlation between Color intensity and top 5 attributions has high correlation wit…

機械学習におけるラベル付けについての勉強メモ

背景・目的 参考文献 1. ラベル付けとはなんのためにするのか 2. どんなラベルを用意するべきか 3. 「その他」ラベルが存在している場合の対処法 4. どれくらいのラベル数を用意するべきか 5. ラベル付けは何人で行うべきか? 6. どのように2人で作業するの…