8
4

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

無料簡易機械学習ツール「空飛ぶニューラルネット」が回帰問題に対応しました!

Last updated at Posted at 2022-05-09

はじめに

以前無料、会員登録不要、データをアップせずオフラインでも使えるブラウザベースの機械学習ツールとして下記記事で紹介したツールのアップデートとなります。

投稿時点では分類問題のみ対応していましたが、今回のアップデートから回帰問題に対応します。つまり、売り上げなどの数値を予測することができます。

空飛ぶニューラルネット
https://soratobu-nn.net/

目次

  1. 回帰問題での使い方
  2. 空飛ぶニューラルネット

回帰問題での使い方

データ読み込みから予測結果取得までの7ステップをKaggle定番の不動産価格予測を例に紹介します。
操作手順は分類問題とほぼ同じになります。

1.教師データの読込

モデルに学習させたいデータをCSV形式で読み込みます。
frep1.gif

2.予測したい変数を選択

データに含まれる列から、予測したい変数を選択します。今回は不動産価格予測で回帰問題のため、SalePriceという変数を選択します。
reg2.gif

3.学習を実行

データに前処理を施した上で、機械学習モデルに学習させます。early stoppingによりニューラルネットワークの学習が止まった段階で学習完了となります。
また、テーブルの変数名の下にある"削除"というボタンを押せば学習から外すことも可能です。今回はId列が明らかに不要なので削除しています。
reg3.gif

学習が終わると以下のように予測結果が表示されます。
ste3.png

4.学習状況を確認

学習の進捗とあらかじめ分けておいた検証用データに対する精度を確認することができます。現状では平均絶対誤差が指標および学習中の推移として表示されます。
reg4.gif

5.予測したいデータの読込

上記で学習させたモデルを適用したいデータを選択します。
frep2.gif

6.予測を実行

実行すると5で読み込ませたデータに前処理および推論が行われます。
reg6.gif

7.結果をファイルに出力

予測結果をダウンロードすることができます。入力変数は前処理がかかっていますが、行の順番は変わっていないので元のデータにコピペして結合することができます。
reg7.gif

基本的な使い方は以上です。モデルの保存やニューラルネットワークの編集などのより高度な使い方は下記記事の後半部分が参考になります。アップデート予定なども記載しているので是非チェックしてみてください。

空飛ぶニューラルネット

現時点ではディープニューラルネットワークのみ対応となり、一般に回帰問題へのDNNは過学習に対するチューニング難易度が高いことで知られており、デフォルトの設定もニューロン数少な目となっています。今後勾配ブースティングも実装予定ですので、ご期待ください。

8
4
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
8
4

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?