機械学習– category –

ここで学習すること 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。 機械学習では一部のパラメーターを手動で調整する必要があります。この人が調整しなければならないパラメーターをハイパーパラメーターといいます。 ハイ...

ここで学習すること ランダムフォレストの特徴と実際のプログラム事例を学習します。 K近傍法はあるデータに着目したときにそのデータの近隣K個の平均や多数決でそのデータを予測するアルゴリズムです。 K＝４なら緑に分類、Ｋ＝１１なら青に分類される。 ...

ここで学習すること ランダムフォレストの特徴と実際のプログラム事例を学習します。 ランダムフォレストは多数の決定木を作り、分類の結果を多数決できめる方法です。 ランダムフォレストの決定木はランダムに決められた一部の説明変数を使用して分類を行...

ここで学習すること 決定木の特徴と実装プログラムを学習します。 決定木とは説明変数のひとつひとつに着目し、データ内のある値を境にデータを分割する手法です。 決定木では各説明変数の目的変数へ与える影響度合いが分かります。 決定木は線形分離がで...

ここで学習すること 非線形のサポートベクターマシンを使った分類の仕方を学習します。 pythonに格納されているirisデータを用いて実際に線形SVMで分類を行います。 サポートベクターマシンでは線形の分類しかできませんでした。これに対し、非線形サポー...

ここで学習すること 分類手法のひとつのサポートベクターマシンの使った分類を学習します。 学習結果を散布図で表示します。 サポートベクターマシン（SVM)はロジスティック回帰ど同様にデータの境界線を見つけ分類を行う手法です。サポートベクトル（他の...

ここで学習すること ロジスティック回帰を用いた分類の仕方を学習します。 ロジスティック回帰は、直線で分類できるデータの境界線を学習によって見つけ、分類する手法です。境界が直線になるので、二項分類などクラスが少ないデータに使用されます。 ロジ...

ここで学習すること データセットを作成するための乱数作成の手法を学習します。 乱数を作成することでpythonの学習がスムーズに行えます。 乱数を作成する　np.random.randn() 乱数を作成するにはnp.random.randn()の（）内に作成する乱数の数を記入しま...

機械学習とはデータから繰り返し学習し、そこにあるパターンを導き出すことです。 機械学習には以下の3種類があります。 教師あり学習：正解ラベルの付いたデータで学習し、正解を予測するモデルを作ることです。 　　分類・・・画像診断（画像を見て動物...

ここで学習すること 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...