0から始める機械学習(環境構築編)
モチベーション君が頑張ってくれたから3日坊主回避。
毎日投稿は多分難しいし、”隔日” くらいで投稿して一歩ずつ ”確実” に進めるつもり。
親父ギャグは作法。
今日の内容はこんな感じ↓ (目次の作り方忘れた)
- 機械学習ってどうやるの?
- プログラミングの環境を整えよう
機械学習については何回かに分けて更新していくよ。
(一度に書いちゃうとすぐネタ切れになるからね。)
機械学習ってどうやるの?
まず機械学習の流れはざっくり分けて3つある。
- 学習させたいデータの準備
- 分類器を学習させる / モデルの構築(パラメータチューニング)
- モデルの評価
これはあくまで個人的な分け方だから参考までに。
データの準備にもデータ量を増やすためのデータ拡張だったり、分類器の認識精度を高めるためにパラメータのチューニングが必要だったりと色々あるよ。
今後はひとまず簡単な機械学習方法について紹介していこうと思う。
プログラム置いといて好き勝手動かしてね!だとプログラミング始めたばかりの方が困るだろうから、今回はPythonを使ってプログラミングする環境を整えていこう。
プログラミングの環境を整えよう
おすすめの開発環境はAnaconda-Navigator × JupyterLab。
Anaconda-NavigatorでPythonのバージョン管理とライブラリの導入
JupyterLabでプログラムの実装と実行
って感じ。
ちなみにJupyterLabはAI関連に携わってる人なら知ってる、あるいは使ったことあるかもしれない。 プログラムを部分部分に分けてそれぞれの実行結果を残しておけるのが便利。対話モード的な?
説明はこれくらいにして早速導入していこう。
といってもダウンロードするのはAnaconda-Navigatorアプリだけ。
以下のサイトのInstallationからダウンロードできるよ。
ダウンロードしたら早速アプリを開こう。
これはMacOSで開いた場合だけどWindowsでもLinuxとかでも似たようなもん。きっと。
画面右上のJupyterLabのLaunchをクリックすると、JupyterLabがブラウザ上に開かれるよ。 フォルダ欄にごちゃごちゃと色々あるのは今後使っていくプログラム。
NotebookをクリックするとUntitled.ipynbってのが作成されるはず。
試しに適当なプログラムを書いてみる。実行はShift + Enter で(MacOS)
この画像ではaとbに値を保存してるけど、実際は学習させたいデータを保存しておくことになる。
今回最後に説明するのは、プログラミングをするにあたって必須なライブラリの導入について。ライブラリは色々あるけど、説明は省きます(手抜き)
Anaconda-Navigatorに戻ってEnvironmentsを押してみよう。
こんな画面になるはず↓
例えば数値計算に必要なライブラリはnumpy、機械学習であればscikit-learnとかtensorflowとか。上の画面だとInstalledが選択されてるからインストール済みのライブラリが表示されてるね。試しにSearch Packagesにnumpyと入れてみよう。
numpy入ってないやん!
って方は後々使うことになるからダウンロードしてみてね。
他の必須ライブラリについては必要になったら適宜説明していきます。
環境構築はこれで完了!お疲れ様でした。
次回は学習させたいデータを準備するプログラムについて書いていこうかな。
といっても自前で使ってるのは環境音を認識させるためのものだから、万人ウケはしなそう。
ではでは。また次回。