Python
Djangoのテンプレート テンプレートについて アプリケーションでテンプレートを使用する テンプレートの基本的な活用技術 変数の埋め込み リンクの生成 静的ファイルを利用する
クエリパラメータ クエリパラメータに対応したビュー クエリパラメータを使わないURLに対応する
プロジェクトにアプリケーションを追加する アプリケーションの追加 アプリケーションの構成確認 Hello Djangoを表示させるまで ビューの編集 URLマッピング 表示確認
Djangoプロジェクトの作成 プロジェクトの確認 プロジェクトの標準構成を確認 アプリケーション実行の検証
前提 Pythonのインストール VSCodeインストール Djangoのインストール
概要 アプリケーション概要 構成技術 ソースコード pic_clipping.py pic_clipping_logic.py pyinstaller アプリケーション仕様 基本操作 出力ファイル オプション エラーについて 対応しきれていない部分 検出対象の輪郭が飛び地になっている場合 要素に明確…
簡易メモ画像などを扱うためのOpenCVライブラリをWindows上のVSCodeにインストールする。 pipが使用できること。ターミナルを開き、必要に応じてpipのアップデートを行う。 pip install --user --upgrade pip インストールコマンド python -m pip install --…
Jupyter Notebookで実行した機械学習ソースをデスクトップアプリに移植する。
pyinstallerでpythonアプリのexe化したときに起きた問題などの対処を書き溜めていく。 exe化したアプリが起動できない No module named 'sklearn'
警告抑止のためのメモ。 警告メッセージは私の環境で以下の通り。 C:\Users\wanta\AppData\Local\Packages\PythonSoftwareFoundation.Python.3.9_qbz5n2kfra8p0\LocalCache\local-packages\Python39\site-packages\sklearn\base.py:561: FutureWarning: Arra…
ライブラリインストール用のメモ。VSCodeのpythonでnumpyを使用しようとしたら以下のようなエラー。 通常の場合、明示的にインストールしてないと入っていないので使えない。 ModuleNotFoundError: No module named 'numpy'インストールすればすぐに使用でき…
環境など アプリソース すぐぐる 使い方 仕様・機能 不具合・未実装部分
お手軽アプリ作成。Pythonを使用してなにかアプリを作ってみようと思うならGUIアプリはよさそうです。 webアプリと比較して実行環境を特別必要としないし、初心者が個人で作成する場合でも実用的なものがつくりやすそうと感じました。 ニッチなものであれば…
前回の2次元入力の続き。www.wantanblog.com データセットの準備 scikit-learn アヤメの品種データ データセットの準備 数学的な導出 ロジスティック回帰モデル 平均交差エントロピー誤差 勾配法による解の導出 Pythonによる実装 実装の全容 ロジスティック…
分類の続き。 2次元入力2クラスの分類の問題設定 問題提起 データの設定(PG上) データの散布表示 ロジスティック回帰モデル 3D曲線モデルの描画 等高線による図示 交差エントロピー誤差
ひさしぶりになりすぎたので、過去記事をちゃんと読み返してからの再開となりました。 ↓↓前回www.wantanblog.com 前回までの内容(復習) 問題提起 確率表現と最尤推定 ロジスティック回帰と交差エントロピー誤差 勾配法によるパラメータの算出 勾配法の導入…
いろいろやってきた環境構築を繋げます。 前提とか 全体像 構築イメージ ディレクトリ構成 ソース MongoDBに接続する アクセス準備 DBへのアクセス DBからドキュメントを取得 HTMLファイルを返却する HTMLファイルを読み込む HTMLファイルにパラメータを埋め…
前の記事で環境構築をしたときにはまったところなど。 一連の手順は以下の記事も参照。www.wantanblog.com 環境情報とか ログ情報の出力先 Failed to apply new configuration. 事象 原因・解決策 flaskのインポートに失敗する 事象 原因・解決策 変換先のUR…
おきまりのハローさせるところまで。 前提と今回の構築イメージ Flask Flaskとは Flaskのインストール インストール python(Flask)実行ファイルの記述 Nginx unit Nginx unitのインストール Nginx Unitの設定 Nginx Unit(以下、Unit)の起動 ディレクトリ…
以前の記事で「pyenv」を用いてPythonの最新バージョン(3.8.2)をインストールして、バージョンの切り替えを行いました。 が、再度起動してログインユーザでバージョンを確認すると元のバージョンが表示されました。 以前やったこと Pythonのバージョン切り…
Pythonの実行環境を構築するためにLinux上(CentOS7)にPython3をインストールします。 Pythonインストール Pythonバージョン確認 pyenvのインストール Python3.8のインストール 動作確認 コマンドライン実行 ファイルで実行する
前回の続き。 それっぽくはなりますが、単純に難しくなってきます。↓前回 www.wantanblog.com ロジスティック回帰 ロジスティック回帰 ロジスティック回帰とシグモイド関数 ロジスティック回帰モデル 交差エントロピー誤差 交差エントロピー誤差 交差エント…
やっと次章に進みました。今回から機械学習の教師あり学習における「分類」を扱っていきます。 分類 問題設定 データセット準備 問題設定 確率表現と最尤推定 確率表現 最尤推定 数学的に考える最尤推定
回帰編の基本は今回で完了する予定です。 モデルを考えてみる データセットに対する最適なグラフの形は? オリジナルモデルの作成 オリジナルモデルの実装 ライブラリscipy.optinize モデル関数 モデルのグラフ表示 MSEの導出 最適化パラメータの導出 結果と…
今回は「過学習」について学びます。モデルの検証方法としてのホールドアウト検証法と交差検証法を用いて最適なパラメータや過学習となる地点の導出を試みます。
ガウス関数を用いた線形基底関数モデルの実装をPythonで行います。データセットにはBoston house-prices (ボストン住宅価格データセット)を活用してみます。
線形回帰モデルではこれまで最も基本的な一次元入力と二次元入力を扱ってみましたが、今回は多次元(N次元)線形回帰モデルを扱います。入力の次元数を限定しないことによって、本格的な活用も可能になってくるかと思います。 煩雑になってくるかもしれませ…
前回まではX軸とY軸の二要素のみを扱ってきました。 二要素ならばそこまでがっつりやりこまなくてもなんとかなりましたが、あまり機械学習という感じもしませんでした。今回は入力が二要素の場合です。最終的には多数要素を扱いますが、回帰モデルも単純な一…
今回も線形回帰について、線形回帰モデルを求めるために前回は最小二乗法という方法について学びましたが、今回は勾配降下法について学びます。 Pythonで学ぶ勾配降下法 Pythonで実装する勾配降下法 勾配のイメージをつかむ 勾配を求める 勾配を利用し底を求…
何も分からなかった状態の基礎編、重く苦しい数学編をなんとか超えてついに機械学習編にたどり着きました! 基本も数学も適宜振り返る必要があると思われ、何も分からなくて苦しいのは今後も続くと見込まれますが、とにかく本編がやっとスタートします。 教…