Machine learning

Kaggle

Kaggleを始めてみました。

Kaggleは主にデータサイエンスを用いた予測モデルの精度を競うプラットフォームで、データサイエンティストが注目され始めた昨今、盛り上がっているコンテンツです。

私も、初心者ながらこの2ヶ月ほどで、昔のコンペに挑戦してみました。

テーブルデータを用いた、値の予測のためによく用いられる勾配ブースティング木。今回は、XGboostを用いて、簡単なテーブルデータに対して予測モデルを作ってみたので紹介します。

【実践python】AIによるCAEサロゲートモデルの作り方にて紹介した、LightGBMでサロゲートモデルを作るコードの詳細を説明します。

コードは以下にもあります。コピーしてご自身で計算をすることもできますので、ぜひ試してみてください。

機械学習って何？どんなことができるの？を理解する意味で、KaggleのCourses「Intro to Machine Learning」(英語)はとても勉強になります。私もこの講座を一通り学んで、機械学習を実務活用しています。

「え…英語はちょっと…」という方が取り組みやすいように、日本語解説(全6回)を作りました。

Pythonでチマチマ書くことに飽きてきたので、SONYの提供するPredictionOneというノーコードツールを使ってみる事にしました。

GUIベースのソフトウェアですが、コマンドラインでの学習・予測もできるようです。マニュアルのp52から、コマンドラインでの実行方法が記載されています。

ぱっと見でわかりやすくできるワードクラウド。ワードクラウドを作るためにテキストマイニングのコードを書くよりも、ウェブのツールを使う方が手っ取り早い事は多いです。

今回は、作成サイトによって、出来にどの程度の差があるのかを比較しました。ワードクラウドを作るための文章として、ラッコキーワードで機械学習に関するGoogle検索サジェストを取得し利用しました。

近年、データサイエンスを材料科学・工学の問題に応用した「マテリアルズ・インフォマティクス」が、材料の発見と設計のための強力なツールとして登場している。

本稿では、マテリアルズ・インフォマティクスの基本と活用方法、そして現状の課題を述べる。