マガジン
楽しい写経 Python・ベイズ・機械学習・統計・生成AI…
ネイピア DS
- 95本
技術書などの「写経」を記事にします。 ただいまPython、ベイズ、機械学習、統計、異常検知、生成AIに取り組み中。 一緒に技術スキル向上を目指しましょう！
のんびり統計－統計検定２級問題集を解いて－
ネイピア DS
- 79本
一緒に統計を学びましょう！ 統計検定２級の問題を手がかりにして、直感的に書き綴ります。 問題集が無くてもＯＫ。データに基づく統計の学びの話題を揃えています！ データサイエンス熱の高まりがやまない昨今です。 データを読み解く統計の知識を楽しく学んで、数字活用力の基礎づくりをしてみませんか！？ ＜記事の構成＞ 【問題を解く】統計検定2級CBT公式問題集を解きます 【知る】CBT問題集にまつわる統計トピックの読み物です 【実践する】手作業・EXCEL・Python・Rで統計トピックを動かします
実験！たのしいベイズモデリング１＆２をPyMC Ver.5で
ネイピア DS
- 45本
ベイズモデリングをPyMCで楽しもう！という実験的なブログです。 引用するデータ分析書籍「たのしいベイズモデリング」「たのしいベイズモデリング２」をPyMCのパワーで200%楽しもうと思っています。 その他のベイズ書籍の取り組み記事もマガジンで参照できるようにしています。
Twitterアカウントが永久凍結になった件
ネイピア DS
- 4本
MZDAOのトレンドジャックイベントに参加して、なぜかTwitterアカウントが永久凍結に！ トレンドジャックイベントの様子から永久凍結の解除までを赤裸々に綴ります。 参考までに。
最近の記事
- 固定された記事
「Pythonによる異常検知」を寄り道写経 ～ 第３章3.5節「時系列データにおける異常検知」機械学習編⑦サポートベクターマシン
第３章「時系列データにおける異常検知」書籍の著者 曽我部東馬 先生、監修 曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第３章「時系列データにおける異常検知」3.5節「時系列データにおける異常検知」3.5.2項「機械学習による時系列データの異常検知」の通称「寄り道写経」を取り扱います。 ７回連続で機械学習を利用した時系列データの異常検知を寄り道写経します！ 今回はサポートベクターマシンを用いた時系列データの異常検知です。 ではテキストを開いて時系列デ
マガジン
記事
「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第５章5.1、5.2「統計的検定の論理、対応のないｔ検定」
第５章「統計的検定の論理とエラー確率のコントロール」書籍の著者 小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生 この記事は、テキスト「数値シミュレーションで読み解く統計のしくみ」第５章「統計的検定の論理とエラー確率のコントロール」の5.1節「統計的検定の論理」と5.2節「Rによる統計的検定の実際」の Python写経活動 を取り扱います。 今回は対応のないｔ検定の実践を通じて統計的検定の論理に近づきます。 R の基本的なプログラム記法はざっくり Python の記法と
「Pythonによる異常検知」を寄り道写経 ～ 第３章3.5節「時系列データにおける異常検知」機械学習編⑤GradientBoost
第３章「時系列データにおける異常検知」書籍の著者 曽我部東馬 先生、監修 曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第３章「時系列データにおける異常検知」3.5節「時系列データにおける異常検知」3.5.2項「機械学習による時系列データの異常検知」の通称「寄り道写経」を取り扱います。 ７回連続で機械学習を利用した時系列データの異常検知を寄り道写経します！ 今回はGradientBoostを用いた時系列データの異常検知です。 ではテキストを開いて時系
「Pythonによる異常検知」を寄り道写経 ～ 第３章3.5節「時系列データにおける異常検知」機械学習編③ランダムフォレスト
第３章「時系列データにおける異常検知」書籍の著者 曽我部東馬 先生、監修 曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第３章「時系列データにおける異常検知」3.5節「時系列データにおける異常検知」3.5.2項「機械学習による時系列データの異常検知」の通称「寄り道写経」を取り扱います。 ７回連続で機械学習を利用した時系列データの異常検知を寄り道写経します！ 今回はランダムフォレストを用いた時系列データの異常検知です。 ではテキストを開いて時系列データ
「Pythonによる異常検知」を寄り道写経 ～ 第３章3.5節「時系列データにおける異常検知」機械学習編②特異スペクトル変換法
第３章「時系列データにおける異常検知」書籍の著者 曽我部東馬 先生、監修 曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第３章「時系列データにおける異常検知」3.5節「時系列データにおける異常検知」3.5.2項「機械学習による時系列データの異常検知」の通称「寄り道写経」を取り扱います。 ７回連続で機械学習を利用した時系列データの異常検知を寄り道写経します！ 今回は時間窓を利用した特異スペクトル変換法です。 ではテキストを開いて時系列データの異常検知の
「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第３章3.4「任意の相関係数を持つ変数が従う確率分布」
第３章「乱数生成シミュレーションの基礎」書籍の著者 小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生 この記事は、テキスト「数値シミュレーションで読み解く統計のしくみ」第３章「乱数生成シミュレーションの基礎」3.4節「任意の相関係数を持つ変数が従う確率分布」の Python写経活動 を取り扱います。 今回は相関係数と多変量正規分布の結びつきを確認します。 R の基本的なプログラム記法はざっくり Python の記法と近いです。 コードの文字の細部をなぞって、R と Py
