転移学習 (Transfer Learning) について、パワーポイントの資料とその pdf ファイルを作成しました。どんなシチュエーションで転移学習が使えるのか、そして転移学習により本当にモデルの精度は向上するのか、数値シミュレーションデータや実際のスペクトルデータを解析した結果もあります。
pdfファイルはこちらから、パワーポイント(pptx)ファイルはこちらからダウンロードできます。
興味のある方はぜひ参考にしていただき、どこかで使いたい方は遠慮なくご利用ください。
転移学習の Python コードはこちらに公開します。
GitHub - hkaneko1985/transfer_learning: Transfer Learning
Transfer Learning. Contribute to hkaneko1985/transfer_learning development by creating an account on GitHub.
github.com
[NEW] DCEKit で便利に転移学習を利用可能です。scikit-learn に準拠したモデルになっていますので、cross_val_predict, GridSeachCV なども利用可能です。デモンストレーションもあります。
DCEKit (Data Chemical Engineering toolKit) を PyPI にリリース！
これまで化学データ・化学工学データのデータ解析に役立つツールや金子研で開発された手法に関する Python コードを Github にて公開してきました。このたびは、これらのツール・手法 (の一部) に加えて、新たな機能を追加して、DCEK...
datachemeng.com
2019.08.18
今回紹介する転移学習は、任意の回帰分析手法と併用して用いることができます。Python コードではデモンストレーションとして、スライドにおける数値シミュレーションデータの解析や、スペクトルデータの解析の結果を再現できるようになっています。
スライドのタイトル
- どんなときに転移学習が有効か？
- 何を “転移” させるか？
- 2 種類のデータセットを有効に活用しよう！
- 一般的な解析
- 転移学習
- 転移学習で期待すること
- 数値シミュレーションデータで確認！
- 比較した手法
- ケース1
- ケース2
- 実際のデータセットで検証
- 想定したシチュエーション1
- 結果1
- 想定したシチュエーション2
- 結果2
- 考えごと
参考文献
以上です。
質問やコメントなどありましたら、twitter, facebook, メールなどでご連絡いただけるとうれしいです。
