【更新・値上げ中】好評につき再度 値上げしました。

なおご要望に応じて、プログラムの一部は以下のようになります。

仕事や研究でディープラーニングによる回帰分析・クラス分類をする必要のある方もいらっしゃると思います。ディープラーニングによる回帰分析・クラス分類の実用的方法はこちらに書きました。

しかし、ディープラーニングによる回帰分析・クラス分類のやり方はわかってそのソースコードはあっても、実際にディープラーニングができるようになるわけではありません。ネットでディープラーニングのプログラミングを説明しているページはいくつもありますが、実際に自分の手でディープラーニングを行うには、いくつものページを調べる必要があり一手間かかります。

そこでコピペするだけでディープラーニングによる回帰分析・クラス分類を実行可能なプログラムを記載しました。以下に示す形式のデータ(data.csv, data_prediction1.csv, data_prediction2.csv)さえ準備すれば、 Rでディープラーニングによる回帰分析・クラス分類が可能です。

●必要なもの

・モデル構築用データのcsvファイル [data.csv]

下図のように、一番上が変数の名前、一番左がサンプルの名前です。一番左の変数が目的変数Yでありその右が説明変数Xです。サンプルの名前と変数の名前はすべて異なるものにしてください。また変数の名前に日本語があるとエラーになってしまうためローマ字や数字にしてください。下は回帰分析用のデータ例です。クラス分類の場合は目的変数をクラスごとに整数で表してください。

・予測用データ1のcsvファイル [data_prediction1.csv]

予測用データ1は目的変数Yの値が分かっている予測用データです。data.csvと説明変数の種類および個数を揃える必要があります。準備できない場合はdata.csvと同じもので名前をdata_prediction1.csvとしてください。

下図のように、一番上が変数の名前、一番左がサンプルの名前です。一番左の変数が目的変数Yでありその右が説明変数Xです。サンプルの名前はすべて異なるものにしてください。またdata.csvと同様に変数の名前に日本語があるとエラーになってしまうため注意してください。クラス分類の場合は目的変数をクラスごとにdata.csvと統一した整数で表してください。

・予測用データ2のcsvファイル [data_prediction2.csv]

予測用データ2は目的変数Yの値が分かっていない予測用データです。data.csvと説明変数の種類および個数を揃える必要があります。準備できない場合はdata.csvの説明変数だけ取り出したもので名前をdata_prediction2.csvとしてください。

下図のように、一番上が変数の名前、一番左がサンプルの名前です。サンプルの名前はすべて異なるものにしてください。data.csvと同様に変数の名前に日本語があるとエラーになってしまうため注意してください。

目的変数の予測値がPredictedY2.csvというファイルに出力されます。

例として回帰分析の実行結果を下に示します。data_prediction2.csvの目的変数の予測値がPredictedY2.csvというファイルに保存されます。

必要な物はRとRStudio[こちらではVersion 0.99.879]です。

Rの環境は無料で準備できるためおすすめです。もちろんディープラーニングからスタートしてさらにプログラミングを進めたいと考えている方にもぜひ利用していただければと思います。

Rのプログラムは有料コンテンツとして記載します。有料ではありますが、コピペすればこちらに記載したディープラーニングによる回帰分析・クラス分類がすぐに実行可能です。みなさまからいただいたお金はこれからの研究資金として使用させていただきます。サポートしていただいた皆さまにお礼申し上げます。