受講完了。
最後は面白くて一気に勉強できた！
視覚化しながらデータを把握し、最終的に機械学習を行うのが面白い。
■セクション10:機械学習(続き)
線形回帰に続き、さまざま、機械学習のアルゴリズムに関してその数学的な背景や考え方を学ぶ。そして、解析対象のデータの概要をseabornなどの視覚化を駆使しながら把握する。これを踏まえて、実際に手を動かして、分類や回帰の処理をsklearnを使って実施し、最後に結果を評価を行う。
・ロジスティクス回帰
0,1になるような判定を行う回帰のこと。ジグモイド曲線を使った機械学習を行う。sklearnを使った機械学習はとても簡単にコーディングが終わるので進みが早い。
ウィキペディアのロジスティック回帰の説明
・K近傍法
ロジスティック回帰を使った多クラスの分類とK近傍法を学ぶ。ロジスティック回帰を使った方法はほぼ、sklearnを使って２値の判定と同様に簡単にできる。
K近傍法は分類対象のデータの周囲のK個のデータを見て、分類を決める方法だ。
ウィキペディアのK近傍法の説明
・サポートベクターマシン(SVM)
サンプル群の分類を直線的にできるように空間変換をかけた状態で分類を行う方法。
ウィキペディアのサポートベクターマシン(SVM)の説明
・ナイーブベイズ分類
分類をするそれぞれのクラスに属する確率を計算し最も高いものに割当てる。
ウィキペディアのナイーブベイズ分類の説明
・決定木とランダムフォレスト
ランダムに選んだデータで決定木を使うことにより、汎用的に適用できる方法となっている。分類をしたり、回帰にも使用可能。
ウィキペディアの決定木とランダムフォレストの説明
これにてセクション10を完了し、本講座は受講完了となった。
■次は
まとめをして、次の講座をスタート！
このコースへのリンク
【世界で5万人が受講】実践 Python データサイエンス
全般ランキング
【このカテゴリーの最新記事】
- no image
- no image
- no image
- no image
- no image
