マガジンのカバー画像

古典機械学習を学ぶ

19
線形回帰、ロジスティック回帰、正則化、決定木、サポートベクトルマシン、クラスタリング、次元削減などの機械学習の仕組みを解説していく予定です。
運営しているクリエイター

2024年1月の記事一覧

scikit-learn機械学習②線形回帰:理論編

線形回帰は、観測値などのデータの集まりから関係を見つけ出し、その関係を用いて新しいデータの値を予測する統計的な手法です。線形回帰では、データが直線上に近似的に配置されるような関係を探します。 例えば、以下のデータ点の集まりを見て$${x}$$と$${y}$$の間には直線的な関係があるのがわかります。 しかし、このような関係を説明できる直線はたくさんあるようにも見えます。 そこで、データを直線的な関係で最もよく説明するためのモデルが線形回帰モデルとなります。なお、線形回帰

scikit-learn機械学習①イントロダクション

この記事からscikit-learnで機械学習を学ぶシリーズを始めます。 このシリーズでは、主にニューラルネットワーク以外の機械学習アルゴリズムの紹介をしていく予定です。ディープラーニングにより関心がある方は、「PyTorchで始める深層学習」シリーズを参照してください。 今回は、機械学習の概要を紹介します。 機械が学習するとはトム・ミッチェルが書いた機械学習の本では、コンピュータ・プログラム(機械)が学習することを次のように定義しています。 つまり、学習しているかど