つづき ９．特徴量の削減その２ 戦いの年月日、戦場の位置（緯度、経度）を追加した中で、特徴量を６ケに 削減した場合に、…
【機械学習】バタイユゲームデータで史実の勝敗を予想（４）
つづき ８．特徴量の追加 予想精度を上げる為に、戦いの年月日、戦場の位置（緯度、経度）を 追加してみた。位置はbatt…
【機械学習】バタイユゲームデータで史実の勝敗を予想（３）
つづき ７．予測に使う特徴量 (1)フランス軍の勝ち予想と負け予想に使う特徴量 下図のように１３ケある（学習に使う…
【機械学習】バタイユゲームデータで史実の勝敗を予想（２）
つづき （２）フランス軍の負け予想 前回の（１）勝ち予想と違う点は、下図の赤下線部分である。その他は、（１）と 同じ…
【機械学習】バタイユゲームデータで史実の勝敗を予想（１）
機械学習を利用して、バタイユゲームのデータから史実の勝敗を予想してみる。 もちろん、ゲームの勝敗は無理である。しかし…
【機械学習】バタイユゲームのプレイ時間予想
機械学習を利用して、バタイユゲームのプレイ時間を予想してみる。 １．基本データ バタイユゲーム情報班のホームページ…
【機械学習】画像認識の試行錯誤（７／Ｅ）
つづき １２．処理速度 １２．１ CPUとGPU １０項までのパラメータとCNN構造で正解率０．８８６２を得た時の …
【機械学習】画像認識の試行錯誤（６）
つづき ９．学習率の変更 codExaのテキストでは、０．００００１となっていた。他の値に変えた時の正解率は下記のとお…
【機械学習】画像認識の試行錯誤（５）
つづき ６．損失関数の変更 binary_crossentropy（交差エントロピー）が基準であるが、他の関数に変えた…
【機械学習】画像認識の試行錯誤（４）
つづき ５．CNN構造の変更 ５．１ 基本形 基本形は、下図のように入力層、畳込み層（conv）×１、プーリング層…