モデル作成– category –
-
【Python実践】CATBoostで回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムにはさまざまな選択肢がありますが、「高い予測精度を維持しながら、計算コストを抑え、大規模データやカテゴリデータにも対応したい！」そんな場面で頼れるのが CatBoost です。 CatBoostは、勾配ブースティング決定木（Gradient B... -
【Python実践】XGBoostで回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムには多くの選択肢がありますが、「高い精度を実現しつつ、計算コストを抑え、大規模なデータに対応したい！」そんな場面で頼れるのが XGBoost です。 XGBoost（eXtreme Gradient Boosting）は、勾配ブースティング決定木（Gradient ... -
【Python実践】LightGBMで回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムは数多くありますが、「より高い精度を実現し、計算コストを抑えつつ大規模なデータにも柔軟に対応したい！」そんなときに頼れるのが LightGBM です。 LightGBMは、勾配ブースティング決定木（Gradient Boosting Decision Trees, GB... -
【Python実践】YOLOv8で物体検出＆追加学習を試す（コピペで使えるサンプルソース付き）
YOLOは「画像に何が写っているか」を一瞬で判断できる、最先端の物体検出技術です。特にリアルタイム処理に強く、監視カメラ、自動運転、産業機械などで幅広く利用されています。 本記事では、Ultralytics社が開発した最新版YOLOv8を使って、画像内の物体... -
【Python実践】転移学習、追加学習、ファインチューニングの違いについて（簡単なサンプルソース掲載）
ディープラーニングの進化とともに、より効率的な学習手法が求められています。そこで登場するのが「転移学習」「追加学習」「ファインチューニング」といったモデルの強化手法です。これらは、すでに学習済みのモデルを活用して、新しいタスクへの適応や... -
【実践事例】画像の一部に着目して分類する『OpenCV＋OCR』（コピペで使えるサンプルコード付き）
紙の資料をデジタル化して管理することを考えた場合、その次に行う作業は、分類して整理することです。資料が少ない場合は１枚づつ読み込みと同時に分類できますが、数千枚や数万枚に及ぶ資料になると、そうもいきません。 そこで、今回は、「画像の一部」... -
【Python実践】GBDT（Gradient Boosting Decision Tree）で回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムは数多くありますが、「より高い精度を実現し、複雑なデータにも柔軟に対応したい！」そんなときに頼れるのが 勾配ブースティング決定木（Gradient Boosting Decision Trees, GBDT） です。 GBDTは、決定木を組み合わせてモデルの性... -
【Python実践】機械学習による分類モデルの予測精度を定量的に評価する [Accuracy,Precision,Recall,F1,ROC]（コピペで使えるサンプルコード付き）
機械学習モデルを開発する際、その性能を評価する指標を正しく選ぶことは非常に重要です。同じモデルでも、評価指標によって「優れたモデル」と評価されるかどうかが大きく変わることがあります。 例えば、製造業における設備異常の検知モデルでは、Precis... -
【Python実践】機械学習による回帰モデルの予測精度を定量的に評価する [MAE,MSE,RMSE,R2]（コピペで使えるサンプルコード付き）
回帰モデルの性能を評価する指標はいくつかあり、どの指標を選ぶかでモデルの「良さ」が大きく変わります。 例えば、予測値と実測値のズレを直感的に把握できる Mean Absolute Error (MAE) や、大きな誤差を強調する Mean Squared Error (MSE) や Root Mea... -
【Python実践】DBSCANでGPS位置情報をクラスタリングする（コピペで使えるサンプルコード付き）
近年、自動車や建設機械、農業機械などの車両に通信ユニットを搭載し、位置情報を収集して製品企画やメンテナンスに活用する取り組みが広がっています。 たとえば、トラクターの軌跡データから圃場（ほじょう）の面積を算出したり、建設機械の作業範囲を分...
