教師あり学習
k-最近傍法
k-平均法
線形回帰
線形モデル
Logistic回帰
- Logistic回帰
- ExcelによるLogistic回帰の計算
- Logistic回帰～forgeデータ～Pythonではじめる機械学習より
- Logistic回帰～cancer～Pythonではじめる機械学習より
決定木
- 決定木によるクラス分類（分類木～classification tree）
- 決定木の分割の考え方
- 特徴量重要度の計算方法
- 決定木による回帰（回帰木～regression tree）
- ランダムフォレスト
- 勾配ブースティング
SVM～サポートベクターマシン
ニューラル・ネットワーク
教師なし学習
主成分分析
事後分析
Confusion matrix
scikit-learn
preprocessing～前処理
sklearn.preprocessingの使い方- scaler～スケーリング
- normalizer～正則化
- binalizer～2値化
- encoder～クラスデータの数値化
train_test_split()による訓練データとテストデータの分割
教師あり学習
k-最近傍法
線形モデル
決定木
教師なし学習
PCA～主成分分析
分析
confusing matrix
補足
- ブートストラップ・サンプリング
- 過学習～多項式回帰の場合
- 正則化の意味
- 線形モデルによる多クラス分類
- 機械学習に関する英語
- 決定境界の描き方
decision_function()とpredict_proba()
Toyデータ
データセット内容
scikit-learn
- make_blobs()
- make_moons()
- make_circles()
- irisデータセット
- Breast cancer wisconsinデータセット
- Boston house pricesデータセット
- Diabetesデータセット
- LFW peopleデータセット
mglearn
データの俯瞰
各手法による分析
クラス分類データ
- blobsデータセット – Linear SVC
- blobsデータセット – SVM
- two moonsデータセット – 決定木（可視化1、可視化2）
- two moonsデータセット – ランダムフォレスト
- two moonsデータセット – MLP
- forgeデータセット – knn
- forgeデータセット – Logistic回帰
- forgeデータセット – SVM
- irisデータセット – knn
- irisデータセット – PCA
- Breast cancerデータセット – knn
- Breast cancerデータセット – Logistic回帰
- Breast cancerデータセット – SVM
- Breast cancerデータセット – 決定木（特徴量重要度）
- Breast cancerデータセット – 勾配ブースティング
- Breast cancerデータセット – MLP
- Breast cancerデータセット – PCA
- LFW peopleデータセット – knn（PCA変換付き）
- LFW peopleデータセット – PCA
属性値予測データ
- waveデータセット – k-近傍法
- waveデータセット – 線形回帰
- Boston house pricesデータセット – Ridge/Lasso
- Boston house pricesデータセット – PCA