Pythonではじめる教師なし学習 ―機械学習の可能性を広げるラベルなしデータの利用

169

8

章 

オートエンコーダハンズオン

本章ではさまざまなオートエンコーダを用いてアプリケーションを作る。利用するオートエンコーダ

は、未完備、過完備、スパース、ノイズ除去、変分オートエンコーダだ。

まず、「3章　次元削減」で導入したクレジットカード不正検出問題を思い出そう。この問題では

284,807

クレジットカードトランザクションのうち

492

が不正だった。教師あり学習モデルでは、平均

適合率が

0.82

と、素晴らしい性能を示した。教師あり学習モデルを用いると、

80%

強の適合率で

80%

以上の不正を発見できた。教師なし学習モデルでは、平均適合率は

0.69

だった。ラベルを使っていな

いことを考慮すると、これも素晴らしい性能だ。

75%

強の適合率で

75%

以上の不正を発見できた。

この同じ問題が、やはり教師なし学習アルゴリズムの一種だが、ニューラルネットワークを用いる

オートエンコーダで解決できるか見てみよう。

8.1

 データの準備

まず必要なライブラリをロードする。

"""Main"""

import numpy as np

import pandas as pd

import os, time, re

import pickle, gzip

"""Data Viz"""

import matplotlib.pyplot as plt

import seaborn as sns

color = sns.color_palette()

import matplotlib as mpl

%matplotlib inline

"""Data ...