His 1st Japan.LLC Blog

His First Japan 合同会社のブログです。

AIに手を出して見る PythonとKerasによるディープラーニング - 9

皆さん、こんにちは、こんばんわ。

His First Japan 合同会社 代表社員の字引淳です。

 

 f:id:a-j1b1k1:20180805211928p:plain

いくつかのサンプルのデータの内容を観察していて、

「そもそも、この4つのサンプルはディープラーニングを用いて何をしているのか?』と、いう一番根本的な疑問に行き着いた。

 

 

これも、当たり前ですが、きちんと書いてあります。

 

分類をしているだけ。

 

  • 数字の書いてある画像をラベルから集計して出した0〜9の10個のカテゴリに分類しているだけ。
  • ニュース記事のデータ(単語ではなく辞書データ(キー 数字:値 単語))を否定的か肯定的かの2つのカテゴリーに分類している。これは、二値分類の例と書いてある。
  • ニュース配信のデータもニュース記事のデータと同様で46種類のトピックに分類している。
  • 住宅価格の予測については、回帰分類らしいが、今のところそれがどういうことなのかきちんと理解できていないので、まぁ、そういうことだろうこうと言う認識で進める。

今回は、各データにデータとラベルがあって云々・・

を文章でまとめると、非常にまどろっこしいので、

 

MNISTの例をマインドマップにまとめてみた。

 

f:id:a-j1b1k1:20180819205620j:plain

 

このようにまとめてみると、シンプルなコードの中にも多くの要素があることに気がつきますね。

 

社会人入学した大学では、大半は教科書をこのマインドマップ化するのが勉強だったな〜。

 

これが出来れば、持込可の論文試験は「優」確定だったんだよな。

 

このマップをなぞって、文章を更正すると、あら不思議、論文が出来上がってしまうんですよね。

 

自分の理解の指標として、このマインドマップが描ければ、理解できている。としている。

 

学校で習うノートの書きかたっていうのは、多くある整理法の一つで、図解や、画表現を使わずに記述する方法で、いいところもあるかと思うが、大体、書いた後に何を言っていたかを思い出すのに苦労しますよね。

 

マインドマップは、各トピックを追いかければすぐに思い出すので、本の内容を思い出すのにコストがかからないですね。

 

残りの3つのマインドマップも作成しつつ、先に進もうかね。