機械学習(Python) 応用講座 実践編

データ分析におけるモデリングのひとつとしての、機械学習手法の概要を説明します。機械学習で作成するモデルとは何かを理解すること、および機械学習の種類を理解することを目標としています。

このブックでは，機械学習の回帰手法について学びます。具体的には，単回帰分析，重回帰分析，ラッソ・リッジ回帰について，実際に分析を行いながら概要を学習します。回帰分析を用いて出来ることと，用いられる手法についてその概要を理解することを目標としています。

このブックでは，回帰モデルの評価について学びます。具体的には，「モデルの良さ」について考えながら，回帰モデルの代表的な評価指標，ホールドアウト法，交差検証について学びます。評価指標と評価方法を理解し，モデルを正しく評価できるようになることを目標としています。

小さなデータを使って，データの観察から単回帰モデルの構築までを一通り体験するブックです。

小さなデータを使ってデータの観察から重回帰モデルの構築までを一通り体験するブックです。ゼロから始めるのではなく既存の機械学習プロジェクトに途中から参加した設定で進めます。具体的には前任者の残した情報の理解や引き継いだコードの動作確認から始めます。

小さなデータを使ってデータの観察から重回帰モデルの構築までを一通り体験するブックです。ゼロから始めるのではなく既存の機械学習プロジェクトに途中から参加した設定で進めます。具体的には前任者の残した情報の理解や引き継いだコードの動作確認から始めます。

このブックでは，機械学習の分類問題について学びます。分類問題とはなにかを理解し，小さなデータを使って具体的なアルゴリズムの理解を目指します。具体的にはロジスティック回帰モデルの考え方と最尤法というパラメータ推定方法を学習します。最後にirisと呼ばれる代表的なデータセットを用いてロジスティック回帰モデルの実践を行います。

このブックでは，分類のアルゴリズムとして決定木とランダムフォレストについて学びます。それぞれのアルゴリズムの核となる概念を学びつつ，scikit-learnを使った実践も行います。

このブックでは，2クラス分類問題の評価指標について学習し，評価指標を正しく選択できるようになることを目指します。具体的には，モデル評価に関する用語や考え方の復習から始めて，混同行列と代表的な4つの評価指標(正答率・再現率・適合率・F1スコア)について学びます。また，各評価指標を計算するプログラムの作成およびscikit-learnを使ったモデルの学習と評価も行います。

小さなデータを使ってデータの観察からロジスティック回帰モデルの構築までを一通り体験するブックです。ゼロから実装する力や考える力を養うことが目的です。

小さなデータを使ってデータの観察からロジスティック回帰モデルの構築までを一通り体験するブックです。ゼロから始めるのではなく既存の機械学習プロジェクトに途中から参加した設定で進めます。具体的には前任者の残した情報の理解や引き継いだコードの動作確認から始めます。