この記事はElixir Advent Calendar 2017の17日目の記事です。 最近始めたElixirで何かOutputしたいということで線形回帰のアルゴリズムを実装してみました。 リポジトリはこちら https://github.com/foresta/mlex.git Elixirでも機械学習できないこともない（かもしれない）ことを書いていこうかなと思います。 背景 最近の私の興味があるものとしてEilxirと機械学習があります。 Elixirはサンプルアプリや簡単なツールを制作した程度、機械学習はcourseraのコースを一通りやり本を数冊読んだ程度です。 今回はその両方の学習と、どうせ機会学習アルゴリズム実装するなら書きごごちの良いElixirで書いてみたいと思い実装してみました。 線形回帰とは データを元に線形モデルを作成しその線形モデルを用いて未知のデータを予測するものです。 図1はデータの次元が2次元の場合の線形回帰の概念を示し、×印が与えられたデータ、直線が学習した結果の線形モデルを表しています。 図1 線形回帰のサンプルグラフ 詳しくはこちらのサイトを参照してください。 https://qiita.com/ynakayama/items/5732f0631c860d4b5d8b http://gihyo.jp/dev/serial/01/machine-learning/0008 学習データ 今回学習には以下のデータセットを使用しました。 linnerud_physiological.csv linnerud_exercise.scv linnerud_physiological.csvには体重・ウエスト・心拍数等の身体的特徴データが、 linnerud_exercise.csvには懸垂・腹筋・跳躍に関するデータがあります。 今回は身体的特徴と、懸垂のデータで線形回帰をしてみます。 実装 使用したライブラリは以下のような感じです。 defp deps do [ {:matrix, "~> 0.3.0"}, {:csv, "~> 2.0.0"}, {:explotter, git: "https://github.com/foresta/explotter.git"} ] end ソースコードは以下のような感じです。 mlex/apps/sample/lib/linnerud.ex def run do # 1. load dataset features = load_linnerud_feature_dataset() targets = load_linnerud_target_dataset() # 2. setup featuresex pulses = features[:pulse] waists = features[:waist] weights = features[:weight] number_of_data = length pulses bias = for _times <- 1.

概要 先日courseraの機械学習コースを修了しました。 期間としては, 6月末くらいから始めて9/23に終えたので大体90日くらいかかりました。 (全部で11週分のコースがあるため、順調にすすめば11×7で77日くらいには終えられそうです) 終えた感想としては最高で、終えた他の人たちが口々に「とりあえず、courseraのmachine-learningコースやっとけ」って言ってる理由がはっきりわかりました。 控えめに言って最高でした。 学んだこと ひたすら列挙していきます。 機械学習基礎 教師ありと教師なし学習 分類問題と回帰問題 教師あり学習 線形回帰（単回帰、重回帰） ロジスティック回帰 ニューラルネットワーク SVM 教師なし学習 K-means PCA 異常検知 レコメンドシステム large scale machine learning bias/variance 正規化(regularizatoin) 学習曲線 エラー分析 ceiling analysis 私のバックグラウンド 大学で線形代数・微分方程式などやっていたが、はるか彼方の記憶となっている アプリエンジニアとして、プログラミングしている(C++) 機械学習に関しては何も知らない 事前準備 これの0章,1章,2章をさらっとやりました。 プログラミングのための線形代数線形代数は大学の講義でもやっていたため、復習の意味と行列を見て吐き気がしないために慣れさせることが目的でした。 良かった点 個人的に最高だった点をあげるなら次のような感じです。 授業がわかりやすい 総じて説明もスライドもわかりやすかったです。 特に良かったのがAndrewさんが実際に機械学習プロジェクトに関わっていた時の知見とか、実装上のポイントが多く説明されていて、ここら辺はすごく役に立ちそうだなと思いました。 課題とクイズと締め切り 一定のまとまりの単位でクイズと課題、そしてその締め切りが用意されています。 クイズはちゃんと講義を理解していないととけないしかといって難しすぎもしない良い感じでした。 課題は実際にoctaveという言語を用いて行うのですが、頭で理解していても実際に手を動かすと分からなかったりすることが多々あり、 これは良い仕組みだなぁと感じました。 修了証がもらえる（有償） スタンフォード大学の公式の修了証がもらえるのはかなり嬉しいですね。 Andrewさんのエモいお言葉が聞ける コースの最後にまとめと謝辞的なものがあるのですが、これが個人的にはとても心に響いてすごいこのコースをとって良かったと思いましたので、まだ受講されていない方は、ぜひ最後までやってみてください。 困った点 日本語字幕が時々役に立たない まぁこれは本当に強いて言うならって感じなのですが、 英語力が全くない自分にとっては英語字幕がないと大変なこともありました。