文字認識の例など
しかしながら、音などはその部屋の壁の材質により、周波数分析を行っても音を特定することは不可能に近いものがあり、音だけでは難しいものがありました。それは、収集するデータのサンプル数が極端に少なかったということもありました。
ところが、最近のAIブームで様々な学習データセットの入手が容易となっていますので、試しにAIによる文字認識を例に学習データを利用して機械学習の能力を学習してみることにしました。
アヤメの分類
| 次の例は「あやめ」を分類するものですが、あまりおもしろくないサンプルですが、なれるためにやってみます。 やってみましたがAIというか、むかしやった統計手法でやった方が良いという感想です。 ここまで、Python3入門３入門ノートに掲載されていた例で、そのほか、ボストンの住宅価格を分析する例がありましたが、これは回帰分析ですので統計の問題です。 私の購入したAIの本に掲載されていた例は、基本的に統計分析です。AIらしい解析は文字認識だけですが、これも２０年にやったナンバープレート認識と同じですが、精度が良くなった？ということだけでした。これが、最近のAIの本質でしょうか。 今のAIは昔のパターン認識と比較して本当に精度が良くなったという判断はできませんでした。違いは学習するデータが、膨大になったということだけです。 最近のAIはなんでも出来るようなイメージですが、取り扱うデータをよく検討することが必要と思いました。 当たり前のことですが、AIを使うには対象とする分析データを良く検討してアルゴリズムを選ぶということが必要だということがよくわかりました。 ここまでの結論は、以下の通りです。 新しいAI的な手法は、ニューラルネットの進化形のTensorFlowだけです。多分、これだけマスターすればOKだと思われます。 データ分析として、Pythonとそのライブラリを使えば、AIポイことが比較的容易にできるということです。 |
|||||||||||
| 2017/11/24(金） TensorFlowをwindows環境でインストールしようと、インターネットで調べましたが、今使っているマシンがwindows10の３２ビットマシンで、インストールができないと分かりました。 したがって、64ビットマシンを購入する必要がありますので、当分Tensorflowは試験できないということが、はっきりと分かりました。大ショック。 |
|||||||||||
| 2017/11/29/(水) Pythonで機械学習の勉強をしてみようと思い、ライブラリscikit-learnのNumPy、matplotlibなどのサンプルで機械学習の練習をすることにしました。 とりあえず、webのhttp://scikit-learn.org/stableに掲載されているサンプルを利用して、データ分析、機械学習ができればやってみます。 |
|||||||||||
|
|||||||||||
