Empowering AI&Web
Innovations.

WHAT WE OFFER

TECH BLOG

1. Temperature Scalingによるキャリブレーション

   2024-07-03

   Temperature Scalingとは？Temperature Scaling は、分類モデルの予測確率をキャリブレーションするための手法の一つです。具体的には、モデルの予測確率が実際の観測値に対してどの程度正確かを調整するために使用されます。この手法は、モデルが過信または過小評価している場合に役立ちます。 Temperature Scalingは、特にニューラルネットワークにおけるキャリブレーションのために開発された手法で、下記の論文で提案されました。 この記事では

2. PyTorch Tabular

   2024-07-02

   PyTorch Tabularは、表形式データに対して深層学習モデルを簡単に適用できるように設計されたPyTorchベースのライブラリです。 この記事では、PyTorch Tabularを使って深層学習モデルを構築してみます。 下記のドキュメントにあるチュートリアルと同じ内容になります。 環境はGoogle Corabになります。 ライブラリのインストール まずはPyTorch Tabularをインストールします。 !pip install pytorch-tabul

3. LightGBMでランキング問題

   2024-06-30

   前回はLightGBMで二値分類モデルを構築しました。 今回は、ランキング問題のモデルを構築してみたいと思います。 ランキング問題は映画のレコメンデーションや購入履歴や閲覧履歴を基にした商品のレコメンドのようなシーンで非常に重要です。これらのシーンでは、ユーザーが興味を持ちそうなアイテムを適切にランキングすることが重要です。 環境はGoogle Corabです。 ランキング学習のためのシミュレーションデータの生成 映画のレコメンデーションを行うシナリオを想定してシミュ

4. TF-IDF

   2024-06-30

   TF-IDFとは？TF-IDF（Term Frequency-Inverse Document Frequency）は、情報検索やテキストマイニングでよく使用される統計的手法で、文書内の単語の重要性を評価するためのものです。TF-IDFは、特定の単語が文書内でどれだけ重要かを示します。 この記事ではPythonでTF-IDFを実践してみます。 環境はGoogle Corabです。 サンプル文章 サンプルの文章として下記の文章を用意します。 "The cat in th

5. CatBoostで回帰問題のモデルを構築する

   2024-06-30

   今回は、CatBoostで回帰問題のモデルを構築してみたいと思います。 環境はGoogle Corabです。 データセットの用意 今回はscikit-learnに組み込まれているカリフォルニアの住宅価格データセットを利用して回帰問題のモデルを構築していきます。このデータセットは、地域の世帯収入や築年数、部屋数などを説明変数とし、住宅価格を予測します。 import pandas as pdfrom sklearn.datasets import fetch_califo

6. CatBoostで多クラス分類モデルを構築する

   2024-06-29

   今回は、CatBoostの多クラス分類問題のモデルを構築してみたいと思います。 環境はGoogle Corabです。 データセットの用意 load_wine は、scikit-learn ライブラリで提供されているデータセットの一つで、ワインの化学的特性とその分類に関するデータを含んでいます。目的変数はワインの種類で3種類あります。 from sklearn.datasets import load_winewine = load_wine()X = wine.data

COMPANY

会社名

株式会社United Code

設立

令和3年3月3日

役員

代表取締役 熊谷信吾
取締役 細渕健太朗

資本金

5,000,000円

所在地

〒103-0027 東京都中央区日本橋二丁目1番17号丹生ビル2階

CONTACT