アンドロイドアプリをKotlinで作り始めました。

Keita_Nakamoriです。

スマホアプリを作ってみよう

今日はスマホアプリでも作って、日常の小さな悩みを解決するべく、アンドロイドアプリの作り方を学びはじめました。（悩みｗｗｗ）

１０以上も前、つまりスマホの第二世代くらいのときに、 Javaでやろうとしましたが、環境構築だけで体力を消耗し実現に至りませんでした。

しかし、HTML CSS PHP Python3 JavaScript をここ２年位で使えるようになった今なら、できるんじゃないかと思いまして、始めた次第であります。

最近の言語動向を調べたところJavaではなくKotlinなる言語が盛り上がっている？ようですので

https://classroom.udacity.com/courses/

のブートキャンプでざっとやっていこうという作戦であります。

今日やったこと

import java.util.*

fun main(args: Array<String>){
    println("Hello")
    dayOfWeek()
}

fun dayOfWeek(){
    print("What day is it today?")
    var day_of_week: Int = Calendar.getInstance().get(Calendar.DAY_OF_WEEK)
    when (day_of_week) {
        1 -> {println("日曜日")}
        2 -> {println("月曜日")}
        3 -> {println("火曜日")}
        4 -> {println("水曜日")}
        5 -> {println("木曜日")}
        6 -> {println("金曜日")}
        7 -> {println("火曜日")}
        else -> {println("???")}
    }
}

import java.util.*

fun main(args: Array<String>){

println("Hello")

dayOfWeek()

}

fun dayOfWeek(){

print("What day is it today?")

var day_of_week: Int = Calendar.getInstance().get(Calendar.DAY_OF_WEEK)

when (day_of_week) {

1 -> {println("日曜日")}

2 -> {println("月曜日")}

3 -> {println("火曜日")}

4 -> {println("水曜日")}

5 -> {println("木曜日")}

6 -> {println("金曜日")}

7 -> {println("火曜日")}

else -> {println("???")}

}

data_scientist：chapter9 教師なし k-means法

k-means法

教師なしクラスタリングということで k-means法を試してみました。

ブロブデータでやってみる

データセットからブロブを呼び出します。

このブロブをk-means法を使って分類します。

k-meansの条件としてクラスタの数を指定しますが、下記のようなエルボ法を使ってベストなクラスタ数を決定します。今回は３です。

k-meansの結果がこれです。うまく行っています。

顧客データでやってみる

エルボ法でベストなクラスタ数を見つけておきます。

５にしましょうか。

クラスタ数５の結果です。

１と３に固まっていますね。

ちなみにk-means　デフォルトクラスタ数8でやってみました。

さっきのクラスタ３は下の２，３に分割されてしまっていると考えます。

クラスタ数５に戻って、結果のヒートマップを確認します。

年齢層でみると、クラスタ１は30-35歳、クラスタ３は45-50歳というように離れていることがわかります。

次は職業です。クラスタ数１と３は大きな差がないので、今回のクラスタリング結果に対して職業の寄与度は低いのでしょう。

スクリプト

data_science_chapter_9_k-means

data_scientist：chapter8 K-近傍法

K-近傍法を試してみた

Keita_Nakamoriです。

乳がんデータを使ってK-近傍法を試してみました。

分類は0 or 1なので分かりますが、回帰の結果が理解できません。

別途、理論の確認が必要です。

KNN 分類の結果

KNN 回帰の結果

スクリプト

data_scientist_chapter_8_knn

data_scientist：chapter8 決定木

Keita_Nakamoriです。

決定木やります。

機械学習で最も単純なアルゴリズムだと思います。

ニューラルネットワークよりもまず決定木！

スクリプト

data_scientist_chapter_8_Decision_Tree

data_scientist：chapter8 リッジ回帰

重回帰の精度を高めるべくリッジ回帰をやってみます。

普通のロジスティック回帰モデルでは最小２乗誤差を目指しますが、入力に対して出力が敏感に変化してしまう場合は、過学習によって訓練Scoreと検証Scoreが一致しない場合があります。

そこで、正則化項を新たに追加して訓練を緩慢にします。
正則化項は１次のときラッソ回帰、２次のときリッジ回帰といいます。

今回は正則化項なしである重回帰に対して、大きな改善は見られませんでしたので重回帰でも十分な結果が得られていることがわかりました。

スクリプト

data_scientist_chapter_8_Ridge

正規表現で任意の文字列を削除する

チャットボット用の訓練データをクリーニングするために、正規表現を使ってルビを削除する方法をメモしておきます。

import re

s = 'ペガサス【ぺがさす】に乗って、空【そら】を飛翔【ひしょう】する英雄【えいゆう】ペルセウス'
print(s)

s = re.sub('【[^】]+】', '', s)
print(s)

import re

s = 'ペガサス【ぺがさす】に乗って、空【そら】を飛翔【ひしょう】する英雄【えいゆう】ペルセウス'

print(s)

s = re.sub('【[^】]+】', '', s)

print(s)

詳しくは↓↓↓

re_test

自然言語処理とチャットボット　１

自然言語処理を少しかじっていこうと思います。

まずは環境構築

anaconda navigator で仮想Environmentsをcreateしてnpl_bot仮想環境を新規作成します。

installedをnot installedにして

モジュール群numpy , matplotlib, tensorflow, keras, gensim

をインストールします。

nlp_bot右にある三角をおして Open terminalして

pip install janome　します。

(ganomeだと勘違いしていてしばらく悩みました。）

environmentasからhomeへ移動してJupyter Notebookをinstallします。

これで環境構築はOKです。

次からはJupyter Notebookを起動してスクリプトを書いて行きます。

アンドロイドスマホをwebカメラにする方法

webカメラを買おうか迷っているあなた！

スマホで代用しませんか？

注意：モバイルwifi　７GB/月契約のやつを使用したら、十数秒で１GB程度消費しました。怖！

使用するときは必ず上限のないwifi（家のやつとか）でやりましょう。

スマホには↓をインストールする

windowsには

https://play.google.com/store/apps/details?id=com.dev47apps.droidcam

から↓を押してインストールする

スマホのアプリを立ち上げるとIPが出てきますので

Windowsアプリを立ち上げると出てくるIPの中に入力します。

19.168.10.xxx　とかです。

こちらを参考にさせていただきました。

https://www.madosyo.com/?p=2270#toc5

話の構成

テーマ（大枠を話す）
信頼性を築く（自分の体験談）
主張
- 結論としてポイントが３つあります
  1. １つ目
  2. ２つ目
  3. ３つ目
理由
具体例
1. 具体例として
  1. １つ目
  2. ２つ目
  3. ３つ目
まとめ
- ○○をしましょう

クリティカルシンキングとクリエイティグシンキング

クリティカル・シンキング

課題となっている事実並べて、それを収束するように同時に解決する方策を考える

クリエイティブ・シンキング

一つの発見からアイデアを拡散させアイデア複数生み出

ビジネスとは人々の不満、不安、不幸、など満たされたい状態を解決することである。

月	火	水	木	金	土	日
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30	31

スマホアプリを作ってみよう

今日やったこと

k-means法

ブロブデータでやってみる

顧客データでやってみる

スクリプト

K-近傍法を試してみた

KNN 分類の結果

KNN 回帰の結果

スクリプト

スクリプト

スクリプト

まずは環境構築

webカメラを買おうか迷っているあなた！

注意：モバイルwifi ７GB/月契約のやつを使用したら、十数秒で１GB程度消費しました。怖！

クリティカル・シンキング

クリエイティブ・シンキング

注意：モバイルwifi　７GB/月契約のやつを使用したら、十数秒で１GB程度消費しました。怖！