概要 社内の勉強会用に「機械学習って何？どうやって使うの？」というテーマでまとめたものです。この記事の内容が他の方の役に立てたら嬉しいです。 機械学習 ＝ AI？ 機械学習は人工知能の一分野で、ディープラーニングは機械学習の一分野です。 ルールベース 多重If文や探査により多彩なパターンを網羅して、複雑な条件でも適切な出力がされるようにプログラムされているもの データのパターンや特徴を学習し、それをもとに未知のデータに対して何かしらの予測を出力する ディープラーニング データの特徴となる要素の取捨選択を自動で行うことができる、機械学習の手法の一つ 強化学習 ある環境において、　エージェントが状況を観測しながら行動することを繰り返し試行し、目的を達成するための最適な意思決定を学習するもの Point! ルールベースだと、例外が発生すると人が手でルールを書き換える必要があり、どんどんデータが増

この記事は移転しました。約2秒後に新記事へ移動します。移動しない場合はココをクリックしてください。

2. Confidential. Copyright © DataRobot, Inc. - All Rights Reserved DataRobotを用いた時系列予測 1. DataRobotを使った時系列予測 a. 時系列予測におけるデータフォーマット b. ギャップ・予測期間の決定 c. 時系列予測におけるパーティション設定 d. 精度の良いモデルの選択 e. 予測と実測の時系列での比較 f. モデルのベンチマークとの比較 g. 生成した予測モデルを使った予測 2. ヒストリカル変数を使ったモデル a. ヒストリカル変数を持ったデータフォーマット b. 変数タイプ別のヒストリカル変数に用いる統計 的指標 c. Pythonを用いたラグデータの加工 3. イベント説明変数を使ったモデル a. 周期パターンの把握 b. DataRobot内で周期性パターンの説明変数 の作成 c. イベ

やりたかったこと 機械学習初心者の僕が、機械学習の勉強のためにPythonの機械学習ライブラリ scikit-learn を使ってみたかった。 何を予測してみようかなーっと思ってしばらく考えたわけですが「特定の条件を与えられると、地面に雪が積もっているかどうかを予測する」とか面白いかなと思ってやり始めたわけです。 ちなみにPythonアプリを書くのは初めてです。 使いなれたRubyで何とかならんか、って思ったのですが、この分野ではやはりPythonが強いようで、変につまづいて苦労したくない怠け者なのでPythonで始めました。 学習用のデータを集める さて、まずは機械学習エンジンに学習させるために、実際の積雪データを用意します。 ここでは気象庁の気象データ・ダウンロードのサイトから、実際の観測データを落とします。 今回は、積雪の多い富山県の砺波市の気象データを学習データとして使用しました。

はじめに 機械学習でどのくらい電力需要を予測できるのか試してみたので、その手順を整理します。 追記 この記事を書いてから半年が経ち、いろいろ新しいこともわかってきたので、パート2の記事を書いてみました。 機械学習で電力需要を予測してみる パート2 追々記 2017/12/22に以下の記事も作成したので、あわせてご参照下さい。 TensorFlowで電力使用量予測 with Keras 追々々記 2021/01/31に実際に未来を予測する記事を作成しているので、あわせてご参照下さい。 H2O.aiのAutoMLを使って電気使用量を学習し、気象予報値取得APIを使って数日後の電気使用量を予測してみる 使用した環境 機械: MacBook Air Mid 2012 言語: Python 3.5.1 実行: Jupyter notebook 4.2.1 ライブラリ: scikit-learn on