JDLAが主催するG検定では、ディープラーニング以外の機械学習手法に関する設問も出題されます。ここでは、主な機械学習手法の全般を体系的にまとめることで検定対策を行います。
続きを読む【G検定の学習】機械学習の具体的な手法や概要のまとめ
AI
Python/k-means法で教師なし学習!クラスタリング概要
教師なし学習であるクラスタリングにはk-means法という手法があります。ここではk-means法のアルゴリズム概要を説明し、簡単に計算が可能なscikit-learnを使ったPythonによるサンプルコードを紹介します。
続きを読むPython/sklearnのk近傍法!kNNで多クラス分類する
k近傍法(kNN法)は数ある機械学習手法の中でも簡単なアルゴリズムを持っています。ここではkNN法の概要とPython/scikit-learnによるコードで実際に簡単な分類問題を解く方法を習得することを目標とします。
続きを読むランダムフォレストの全決定木を可視化してGIFアニメにしてみた
機械学習アルゴリズムの1つであるランダムフォレスト分析は多数の決定木を作成して多数決で予測する手法です。決定木が沢山できますが、「どんな木が出来たのかな～」っと何気なく思った人のために、眺めていると無心になれる「全決定木可視化動画」の作り方を紹介します。
続きを読むPython機械学習!ランダムフォレストの概要とsklearnコード
機械学習アルゴリズムの1つ、ランダムフォレストは決定木分析とアンサンブル学習を用いた汎化性能の高い分析手法です。ここではランダムフォレストを理解するための概要説明と、Python/scikit-learnによるコード習得を目標とします。
続きを読むPython/sklearn機械学習!ロジスティック回帰で分類する
ロジスティック回帰は回帰と名前が付いていますが、機械学習では分類問題に使われます。ここでは、現象の発生確率を検討できることが特徴であるロジスティック回帰の概要とPython/scikit-learnによるコーディング習得を目標とします。
続きを読むPython決定木可視化!Graphvizの導入とdot処理方法
機械学習の決定木分析で構築されたツリーは、コンピュータが生成した条件分岐ノードの情報が記載されます。ここではPython/scikit-learnで計算した決定木をdotファイルで出力し、Graphvizというツールをインストールして可視化する方法を紹介します。
続きを読むPython/sklearnで決定木分析!分類木の考え方とコード
決定木分析は条件分岐の繰り返しで分類や回帰を行う計算です。機械学習の中でもディープラーニングと異なり結果の解釈が容易という利点があります。ここでは決定木の中でも分類木分析の考え方概要とPython/scikit-learnによる計算方法を紹介します。
続きを読むPython機械学習済モデルをpickleで保存して復元する方法
機械学習で構築した学習済モデルは通常一度プログラムを終了してしまうとメモリから解放され、再び使うためには再度学習し直さなければなりません。ここでは学習して出来上がったモデルをPythonのpickleを使ってファイルに保存し、再度復元する方法を紹介します。
続きを読むPythonサポートベクターマシンで回帰分析！SVRの概要と実装
機械学習ではサポートベクターマシン(SVM)が非常に優秀な分類性能を示しますが、SVMはサポートベクター回帰(SVR)として回帰問題にも適用が可能です。ここではSVRの概要とPython/scikit-learnによる実装までを紹介します。
続きを読む