• TOP
  • Tips
  • まゆこのましんラーニング♡#02

    まゆこのましんラーニング♡#02

    tabatam

    こんにちは！ITソリューション事業部のまゆこです。

    早くも二回目です。

    そもそもマシンラーニングって何でしょう？

    image2

    ググってみましたが、うーん、イマイチ分かんないです＞＜ まゆこ「GO☆さん教えて下さーい( ;∀;)」

     

    IMG_4195

    ＧＯ☆「む〜ん、つまり我々が無意識に行っているパターン認識をだねぇ〜・・・」

     

    IMG_4193

    まゆこ「はい？分かんないので、自分で調べます( ;∀;)」

    ふむふむ、私が参考にするサイトを見ると・・・ http://www.apps-gcp.com/predictionapi-introduction-1/ このサイトでは、３カ国で書かれた文章を分析させて、コンピューターに言語当てをさせる実験をしています。

    スゴイ！なんか未来を予想する、夢のようなツールなんですね！とにかく実践してみましょう。

     

    １．まず、解析させるデータを用意します。

    情報はできるだけ多い方がいいみたいなんですが、今回のサンプルデータは400件程度です。

    ↓サンプルデータです。 https://cloud.google.com/prediction/docs/language_id.txt

    これは英語、フランス語、スペイン語が書かれた文章データで、 [言語名],[各言語で書かれた文章] といったレイアウトでできています。

    ファイル作成で気をつけることをまとめると・・・ ・最初の列には”答え”を書く。サンプルでいうと、”英語”とか”フランス語”とか”スペイン語”です。 ・次の列からは”答え”を導くための情報を書く。複数列あってもいいみたいです。 ・列はカンマで区切る。 ・ヘッダは不要。 以上です。

     

    ２．次に、ファイルをGoogleストレージにアップします。

    ここからGoogle Developers Consoleというサイトで作業をします。 https://console.developers.google.com/

    IMG_4199

    まゆこ「なんですかこれ？」 GO☆「Google環境で開発する際に使う開発者向けのツールだよ。まぁ使ってみないとわかんないと思うよ！」

    会社用のアカウントでログインし、プロジェクトを作成して、「Prediction API」と「Google Cloud Storage」をオンにしました。 そしてバケットを作成してアップロードします。 何をしているかよく分からないまま進んでいますが・・・ 無事アップロードできました。アップロードはあっという間でした。

     

    ３．そして、解析開始です。

    ここから「Prediction API」を使用します。 「Prediction API」がブラウザから使えるサイトに行きます。 https://developers.google.com/apis-explorer/?&_ga=1.100999174.668741449.1412325898#p/prediction/v1.6/

    これは「APIs Explorer」と言って、ブラウザ上でGoogleの各種APIを簡単に試すことができます。

    screen01

    GO☆「ここに並んでいるのがPrediction APIで、これを使って解析するんだよ。とにかく使ってみよう！」

    まずはデータを投入します。 APIs Explorerの「prediction.trainedmodels.insert」を使います。 project（さっきつくったプロジェクトに払い出された番号）とRequest bodyを入力します。 あと、忘れずにAuthorize requests using OAuth 2.0をオンにしましょう。 Request bodyはこれだけ入れればOKです。

    {
"id”:”任意のid”
"storageDataLocation”:”バケット名/ファイル名”
}

    そして、[Execute]ボタンをポチッ！っと押します。 これで解析が開始されます。

    次に、APIs Explorerの「prediction.trainedmodels.get」を使って、解析が完了したかを調べます。 project、id（「prediction.trainedmodels.insert」で定義した任意のidです）を入れて、[Execute]ボタンをポチッ！っと押します。 Responseに"trainingStatus": “DONE"が返っていれば解析完了です。 解析時間は1分もかかりませんでした。

     

    ４．これが解析結果です！

    うまく解析できたのでしょうか？ APIs Explorerの「prediction.trainedmodels.analyze」を使って調べます。 これもproject、idを入れて、[Execute]ボタンをポチッ！っと押します。

    解析結果はこんな風です。

    "confusionMatrix": {

〜　1段目　〜
"English": {
"English": "16.00",
"French": "0.00",
"Spanish": "0.00"
},

〜　2段目　〜
"French": {
"English": "0.00",
"French": "14.14",
"Spanish": "0.00"
},

〜　3段目　〜
"Spanish": {
"English": "0.43",
"French": "0.14",
"Spanish": "10.29"
}

}
    IMG_4200

    まゆこ「これってどういうことですか？(‘o’)」 GO☆「いわゆる答え合わせをした結果だね。 かんたんに言うと、まず1段目は"English”（英語）で書かれた文章に対して、

    「Prediction API」は

    ・英語と判断して、“English"に"16.00"票入れました。 ・フランス語と判断して、“French"に"0.00"票入れました。 ・スペイン語と判断して、“Spanish"に"0.00"票入れました。

    ってことかな。つまり全問正解ってことだよ。

    2段目を見ると、“French"も全問正解だね。

    3段目は・・・本当は"Spanish"なのに、“English"とか"French"にも若干票が入ってるから見誤ってるね。」

     

    IMG_4177

    まゆこ「なるほど〜！！(‘o’)」

     

    ５．最後に予想させてみます。

    “I am Mayuko.“という文章は何語かを聞いてみます。

    APIs Explorerの「prediction.trainedmodels.predict」を使います。 「prediction.hostedmodels.predict」と似てるので、間違わないように注意してください。

     データファイルの最初の列（つまり”言語名”）を除いた全ての列（ここでは”各言語で書かれた文章”）を入力します。

    ※複数列がある場合は、カンマで区切って並べればいいみたいです。

    こんな風に入力します。

    {
"input":
{
"csvInstance":
[
"I am Mayuko."
]
}
}

    するとこんな回答が返ってきました。

    "outputLabel": "English",

    それは英語だよ！と答えてくれました。

    IMG_4205

    見事正解です！やったー♡

    ※この記事は、『株式会社ISAO　ITソリューション事業部』監修のもとに製作しております。