I'm a Korean student studying deep learning. I accidentally saw a video on the algorithm, so I watched it, even though I don't speak Japanese, but your voice is good, so I keep watching. I will visit your channel often . Oh I will also watch other videos on your channel. Thanks
Thank you for watching my video! I think it's great to study deep learning☺️ I will continue to upload Python videos, so I would be glad if you to watch youtube videos.
やっと機械学習のさわりまで辿り着きました。コードも然ることながら、数学の知識も沢山身に付けていかなければならないとは思いますが、いつまでもお若い皆さんとお仕事が出来るよう、年齢を言い訳にせずに学んでゆこうと思います。これからもよろしくお願い申し上げます。
素晴らしい
コメント、ありがとうございます。
とても励みになります。
若い世代の方々にご迷惑を掛けないで生きていける様、50歳を過ぎてからサプーさんの動画を主な教科書としてPythonを学び始め、仕事の効率化に役立ついくつかのプログラムを作成しexe化して配布出来るようになりました。それまでは、テレビの録画予約も出来なかった私ですが、いよいよ世の中で騒がれる機械学習の入り口へ来ました。今更ながら、ものを学ぶ楽しさを実感しています。高齢化社会?ジジイもまだまだ頑張ります!
ついに機械学習動画!
スライドがわかりやすいですし、セクションごとのデフォルメイラストの差し込み編集もあって30分弱もある長尺なのにメリハリのある力作な動画で見やすいです👀
なんだか伸びそうな動画な気がします😊
ご視聴ありがとうございます!そう言ってもらえて嬉しいです😊 ✨
長尺動画、頑張って作ったので多くの人に参考にしてもらえたら嬉しいです!!
This is a whole new level for learning scikit-learn... keep it up Vtuber-chan :D
Thank you for watching my video! I'll try my best!
待ってました!機械学習。
楽しみです😊
コメントありがとうございます!
参考にしてもらえたら嬉しいです😊
@@pythonvtuber9917 アヤメよりもリンゴやバナナの方がイメージしやすいですw
よくまとまっていて、とても分かりやすいです!ありがとうございました!
ご視聴いただき、ありがとうございます😊
頑張って長尺動画を作って良かったです!!
すごく分かりやすい動画で勉強になりました。
ただ、少し気になったのですが、動画であった
X = df[[Sepal.Length, 'Sepal.Width',
'Petal.Length', 'Petal.Width']]
ではエラーが出てしまいました。
iris.csvを確認したところ、列名が「SepalLengthCm, 'SepalWidthCm', 'PetalLengthCm', 'PetalWidthCm'」
になっていたので
X = df[['SepalLengthCm', 'SepalWidthCm',
'PetalLengthCm', 'PetalWidthCm']]
に変えたらきちんと動きました。
動画のcsvファイルと、中身変わっていたのでしょうか?
それとも、csvの読み込ませ方で変わるのでしょうか。
python初心者なので、トンチンカンな事言っていたらスミマセン。
ご指摘ありがとうございます!
撮影時に使っていたCSVファイルと違うカラム名のファイルになってしまっているようですね😵
おっしゃる通り、カラム名を変更して使用していただけたらと思います💦
機械学習って敷居が高そうで手を出していませんでしたが、この動画でちょっとやってみたいなーと思えました。
ご視聴いただきありがとうございます😊
機械学習は習得するのが難しい分野ですが、少しだけかじってみるのも良いかと思います✨
わかりやすくて感謝しかありません
ご視聴ありがとうございます!そう言っていただけて嬉しいです!
すばらしくわかりやすかったです。
わかりやすい解説ありがとうございます。2023/5/6時点では、概要欄に書かれているURLからダウンロードできるiris.csvの項目名が、動画のコードとは異なっていました。具体的には Sepal.Length→SepalLengthCm などです。これを合わせることにより動画の通り0.866..7の答えを得ることができました。これを踏み台に、もっと勉強していきます。
分かりやすく楽しく学べました。
線形回帰モデルの動画も作っていただきたいです。
ご視聴いただきありがとうございます!
モデルの細かい解釈は難しいのですが、いくつか有名なモデルをピックアップして大まかな解説とかはできるかもしれないので、検討してみますね😉
モデルの種類を変えるならクラスを変える、についてもっと詳しく知りたいです。すごく興味があります♪
Courera中心に勉強していますが、実にわかりやすい。素晴らしいです!Pycharm、私もファンです。
ご視聴いただきありがとうございます✨
できる限りコンパクトにまとめたのですが、分かりやすさも重視して動画を作りました!
同じPyCharmユーザで嬉しいです😊
なかなか踏み込めなかった機械学習に触れられてよかったです。
ただ全てのデータに花の種類が元から入っていたので、頭がこんがらがりました。
花の種類が入っていないデータに対して種類を予測できるのかなと考えてました...
ご視聴いただきありがとうございます!私も機械学習について詳しくはないのですが、使い方だけを解説させていただきました!
AI / ML 関連ですとアイシアさんというVTuberがオススメですので、興味がありましたらぜひ見てみてください!
www.youtube.com/@AIcia_Solid
@@pythonvtuber9917
かなり前の動画にも関わらず返信いただきありがとうございます!
また、動画のご紹介ありがとうございます!
他の方の動画も拝見しつつ勉強していきますm(_ _)m
分かりやすかったです!
そういっていただけて嬉しいです!!
動画すごくわかりやすかったです!
無知な質問で恐縮なのですが、学習を終えたデータを抽出し、他のプログラムで使うことは可能なのでしょうか?
動画本当にわかりやすくていつも参考にしています😄特徴量が画像データの場合はどのような流れになりますか?
良い声で学習するとはかどりますね!
ありがとうございます😊
できる限り聞きやすい声で説明できるよう頑張ります!
良い声同意
素晴らしい動画でした!
ありがとうございます!!
最近 pythonのコルーチンに興味が出てきたんですけど海外の方の解説動画しかなくて苦戦してます。サプーさんがコルーチンを扱えるようであれば解説していただきたいです。
ご要望ありがとうございます😊
コルーチンについては、自分で作るというより(自分で作るケースは極端に少ないため)、ライブラリでasyncがついてる関数を使うときにどう対処したら良いか?という内容の動画は今後作ろうと考えています!
ご期待に添える動画になるかは分からないのですが、今後動画作成を予定しております!
I'm a lecturer myself and found this interesting even though I don't really understand japanese 😖😆👍🏼.
Thank you for watching my japanese video!😉
I'm a Korean student studying deep learning. I accidentally saw a video on the algorithm, so I watched it, even though I don't speak Japanese, but your voice is good, so I keep watching. I will visit your channel often . Oh I will also watch other videos on your channel. Thanks
Thank you for watching my video!
I think it's great to study deep learning☺️ I will continue to upload Python videos, so I would be glad if you to watch youtube videos.
説明が上手だ、、
Omg AI and ML vtuber, I'm so proud 😭
Thank you for watching my video!!
こんにちは。
とても分かりやすいので、回数を重ねて拝見させていただいています。
画面で、サプーさんがプログラムを記述しているエディタは何でしょうか?
VSCでしょうか?参考にしたくお伺いしました。
ご質問ありがとうございます😊
エディタはPyCharmを使っています!以前にPyCharmに関する動画も出しているので、良ければ見てみてください😉
th-cam.com/video/FaI8wcC1PXI/w-d-xo.html
ご丁寧にありがとうございました。
とてもよい講座でした。 また強化学習企画お願いいたします。
ご視聴いただきありがとうございます!
強化学習のご希望ですね!私は専門外なので別の方とのコラボなどの形で検討してみますね😉
@@pythonvtuber9917 pythonの1行1行を解説いただけているので、とても分かりやすかったです。 scikitだけでなくほかのライブラリもお願いできたら。
ランダムフォレストや決定木の解説もお願いします
機械学習チャンネルじゃないのでモデルの解説は今後予定はないのですが、同じ教育系VTuberのアイシアさんのチャンネルに木系の解説動画がありますね!まだ見ていないようでしたらこちらを参考にしてみたら良いかと思います!
th-cam.com/video/u0IIqeNZOXY/w-d-xo.html
AttributeError: module 'pandas' has no attribute 'read_CSV'というエラーが出て読み込まないのです。
ご質問ありがとうございます!
エラー文では「read_CSV」とCSVが大文字になっていますが、「read_csv」と小文字で書いてもエラーとなりますでしょうか?
いい感じに頭が・・・・(笑)
この学習用に渡す値に「データベースの各ユーザーの「値」」を直接データベースから渡す事は可能ですか?
理想としては値の振り幅から
「貴方は虫歯かもしれません」みたいに
予想できる用に成ればベスト
ご質問ありがとうございます!
Pythonからデータベースのデータを取得したら、DataFrameやndarrayとしてデータを加工して、scikit-learnに投入するという形で、扱うことができます😉
「虫歯である」か「虫歯でない」という分類問題にして、クラス出力するようにpred()で予測させてもいいですし、分類のモデルでも predict_proba() メソッドで予測処理を呼び出すと、そのクラスである確率を数値として出力できます!
@@pythonvtuber9917
なるほど⁉️どちらにしろ値の「振り幅」が「一定以上」で「一定期間」続いたらっていう「サンプル」を学習させないとですよね?
今回なら「虫歯になる前」の値と
「虫歯になった後」の値を
可能なら「同一の人物」から
データを取ったほうが制度は上がるのかな?
逆に大勢のほうが良いのかな?
「数字」としてなら
特徴量をどうするかによると思うんですが、年齢、過去の虫歯の本数、ダイアグノデントの値を特徴量にして、その人が今虫歯か?虫歯じゃないか?を正解データにして、いろんな人のサンプルを集めるイメージかな?って思いました!
Aさん | 20歳 | 2本 | 50 | 虫歯である
Bさん | 42歳 | 7本 | 60 | 虫歯である
Cさん | 71歳 | 3本 | 10 | 虫歯じゃない
みたいなイメージでした😉 どういうデータが必要かは、割とやってみないと分からないってことが多いかな、って思います!
死ぬほど分かりやすく、無事死亡。
こういう基礎の部分が分かってるか否かで、
scikit-learnを学ぶにあたって今後の吸収のしやすさが全然違うので、本当にありがたいです。
ご視聴いただきありがとうございます😊
基礎を押さえつつサクッとscikit-learnを使いたい人に向けた動画となっているので、分かりやすいと思ってもらえたら嬉しいです!!
セトーサをサトーセって間違えてるの
なんか微笑ましい
すみません💦😭
実は他の動画でも発音が間違っているものが沢山ありますが、暖かく笑い飛ばしていただいており助かっております😂
いつもありがとうございます😊
この部分をもう少し詳しくご教授願いたいです(´;ω;`)
↓
clf = RandomForestClassifier(random_state=77)
clf.fit(X_train, y_train)
clf = RandomForestClassifier(random_state=77)
は、学習前の機械学習モデルのオブジェクトを作成しています。
clf.fit(X_train, y_train)
は、X_trainという特徴料とy_trainという正解データを使って学習を行なっている、ということですね!
@@pythonvtuber9917
なるほど!ありがとうございます🥺🥺