まゆこのましんラーニング♡#02

    まゆこ

    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。

    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。

    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。

    するとこんな回答が返ってきました。

    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。

    おすすめ記事