マガジンのカバー画像

古典機械学習を学ぶ

18
本
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
澁谷直樹

scikit-learn機械学習⑤ロジスティック回帰：理論編

ロジスティック回帰は、簡単に言うと「YesかNo」の判断を下すためのツールです。つまり、二択の結果を予測する問題に対して使われます。 例えば、以下のような問題が考えられます。 メールがスパムか否か 病気の診断結果が陽性か陰性か 顧客が商品を購入するかしないか これらは全て、Yes/Noで答えられる質問です。このような問題を二項分類（Binary Classification）と呼びます。 モデルとして考えると、ロジスティック回帰は入力された複数の独立変数を使って、

澁谷直樹

scikit-learn機械学習④多変量線形回帰：実践編

今回は、複数の変数から値を予測する多変量線形回帰をscikit-learn を使って実装します。 データセットとしてカルフォルニアの住宅の値段に関する california_housing を使います。これは、scikit-learn に付属するもので手軽に使えるので便利です。このデータには、家の値段とその家の属性に関するデータが入っています。 例えば、築年数や部屋数などの属性が含まれており、これら複数の変数から家の値段を予測することを考えます。仮に、築年数と部屋数だけで

澁谷直樹

scikit-learn機械学習③単純線形回帰：実践編

今回は単純線形回帰をscikit-learnを使って実装します。 scikit-learnは機械学習を行うためのオープンソースのPythonライブラリです。分類、回帰、クラスタリング、次元削減など多様な機械学習タスクをサポートします。 また、豊富な機械学習アルゴリズムだけでなく、データ前処理、モデルのトレーニング、評価、パイプラインの構築など便利な機能が含まれています。 これらの機能は、NumPy、SciPy、Matplotlibなどの他のPython科学計算ライブラリ

澁谷直樹