機械学習における特徴選択と過学習の抑制対策【提携セミナー】

Pythonによる機械学習と異常検知セミナー

機械学習における特徴選択と過学習の抑制対策【提携セミナー】

このセミナーは終了しました。次回の開催は未定です。

おすすめのセミナー情報

開催日時 2023/8/21(月)10:30~17:00
担当講師

福井 健一氏

開催場所

Zoomによるオンライン受講

定員 30名
受講費 55,000円(税込)

★ 過学習を抑えて、汎化性能の高いモデルを作るコツは!?
★ 各種特徴選択の比較とPythonによる実装例を解説!!

 

機械学習における特徴選択と過学習の抑制対策

 

-過学習抑制・特徴選択・ハイパーパラメータ最適化-

 

【提携セミナー】

主催:株式会社技術情報協会

 


 

【講演趣旨】

昨今、ディープラーニングを代表とするデータに基づく機械学習が産業界の様々な領域へ導入が進んでいる。しかしながら、実用化にあたり、過学習をいかにして抑えて未知データに対する汎化性能を向上させるか、どのように重要な特徴量を選別するか、また学習では直接最適化が不可能なハイパーパラメータをどのように調整するか、が主要な課題となる。本セミナーでは、まず機械学習の基本をおさらいし、これらの課題について代表的な対応策と共にそれらのPythonによる実装方法を丁寧に解説します。

 

習得できる知識

  • 教師あり機械学習全般に関する基礎的知識
  • 過学習抑制法の基本
  • 特徴選択手法の基本
  • ハイパーパラメータ最適化の基本
  • 上記に関するPythonによる実装方法

 

 

担当講師

大阪大学 産業科学研究所 福井 健一 氏

 

 

セミナープログラム(予定)

1.機械学習の概要

1.1 機械学習の分類

1.2 教師あり学習の基本的構造と過学習問題

1.3 深層学習(ディープラーニング)の発展

1.4 機械学習の基本的な手順

  • 前処理
  • 次元の呪い
  • 主成分分析による次元圧縮
  • バイアスとバリアンス
  • 評価基準の設定:クロスバリエーション
  • 簡単な識別器:k-近傍法
  • 評価指標:F値,ROC曲線

 

2.Pythonによる機械学習の実装方法(実装解説)

2.1 Scikit-learnを用いた実装方法

2.2 k近傍法による識別

 

3.過学習の抑制

3.1 ロジスティック回帰

3.2 L1/L2正則化

3.3 ディープラーニングにおける過学習の抑制

a. DropOut法

b. Batch Normalization法

3.4 L1/L2正則化の比較(実装解説)

 

4.特徴選択

4.1 逐次特徴選択

4.2 モデルベース特徴選択

a. L1正則化による特徴選択

b. 決定木学習/Random Forestに基づく特徴選択

4.3 各種特徴選択の比較(実装解説)

 

5.ハイパーパラメータ最適化

5.1 サポートベクトルマシン

5.2 ハイパーパラメータ最適化問題

5.3 Optunaによるハイパーパラメータ最適化方法(実装解説)

 

【質疑応答】

 

公開セミナーの次回開催予定

開催日

2023/8/21(月)10:30~17:00

 

開催場所

Zoomによるオンライン受講

 

受講料

1名につき55,000円(消費税込・資料付き)

〔1社2名以上同時申込の場合1名につき49,500円(税込)〕

 

 

技術情報協会主催セミナー 受講にあたってのご案内

 

備考

資料は事前に紙で郵送いたします。

 

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

 

お申込後はキャンセルできませんのでご注意ください。

※申し込み人数が開催人数に満たない場合など、状況により中止させていただくことがございます。

 

 

おすすめのセミナー情報

製造業eラーニングTech e-L講座リスト

製造業向けeラーニングライブラリ

アイアール技術者教育研究所の講師紹介

製造業の新入社員教育サービス

技術者育成プログラム策定の無料相談受付中

スモールステップ・スパイラル型の技術者教育

技術の超キホン

機械設計マスターへの道

生産技術のツボ

早わかり電気回路・電子回路

品質保証塾

機械製図道場

スぺシャルコンテンツ
Special Contents

導入・活用事例

テキスト/教材の制作・販売