Python

前編で作成した時系列予測用generatorクラスを使って予測を行う。

Kerasの時系列予測で、Recurrentレイヤに入力するためのデータを生成するgeneratorクラスの作り方について述べる。

KerasのRNN, GRU, LSTMレイヤを使って時系列データを学習させる。

Kerasを使い、ニューラルネットワーク (NN) に正弦波を学習させる。

Pythonの機械学習用ライブラリScikit-learnに実装されている、スケール変換について調べた。

Scikit-learnの回帰木やランダムフォレスト回帰のクラスには、Feature Importances (FI) という説明変数の重要度を示す指標がある。これは、各説明変数による予測誤差の二乗平均の減少量に対して、データ点数の重みを掛けて求めた値である。

Nehalem以前のCPUを持つPCでは、Tensorflowのバージョンを1.5とする。

データセットから学習用ミニバッチを作成してくれるIteratorクラスの動作を確認する。

ディープラーニング用のライブラリChainerの使い方を理解するため、Chainerの`Chain`クラスと`Optimizer`を使って最小限のニューラルネットワーク (NN) を実装する。

SciPyを使って、FIR (Finite Impulse Response, 有限インパルス応答) フィルタによる離散信号の波形を整形する。ローパス、ハイパス、バンドパス、バンドエリミネイトの各フィルタの設計から、信号への適用まで行う。

NumPyのempty関数を用いて、空の（要素を持たない）任意の次元の配列を作成できる。本記事では、空の配列の作り方、使い方について簡単に考察する。

NumPyのfftパッケージを使って、FFT (Fast Fourier Transform, 高速フーリエ変換) による離散信号の周波数解析を行い、信号の振幅を求める。

matplotlibにはスタイルと呼ばれる、グラフの見た目を変更できるプリセットが用意されている。スタイルを活用することで、グラフの見た目を簡単に変更できる。