AIと呼ばれているものの一つである機械学習について学習するページです。
ここではpythonのプログラムだけでなく、機械学習を理解するための数学的知識も学習します。
主に３つに分類される機械学習について、それぞれの特徴を学習します。
機械学習２｜教師あり学習に必要なホールドアウト法とクロスバリデーション
教師あり学習の基本であるホールドアウト法を学習します。
ホールドアウト法をPythonで実行するためのtrain_test_splitでデータを訓練データとテストデータに分割する方法を学習します。クロスバリデーションにて少ないデータでも精度を上げる手法を学習します。
機械学習３｜scikit-learn、LinarRegressionを用いて線形回帰モデルを作成する
scikit-learnを用いて線形回帰モデルを作成する流れを理解します。
ロジスティック回帰を用いた分類の仕方を学習します。
分類手法のひとつのサポートベクターマシンを使った分類を学習します。
分類手法のひとつの決定木を使った分類を学習します。
分類手法のひとつのランダムフォレストを使った分類を学習します。
分類手法のひとつのK近傍法を使った分類を学習します。
機械学習の精度を左右するハイパーパラメーターの種類とその特徴を学習します。