【AIプログラミング】Scikit-learnの勉強まとめ

1_プログラミング

過去に記事として投稿したもののまとめです。scikit-learnについての勉強した記事をまとめました。動画や書籍から入る前の導入用として、知識の補完としてご利用いただければ幸いです。

スポンサーリンク

scikit-learnライブラリで機械学習の勉強

機械学習について

scikit-learnライブラリについて

アヤメの分類

アヤメデータの観測

アヤメデータの分析、散布図を描く

アヤメデータの分析、ペアプロットで特徴量確認

訓練データとテストデータ

Stratifyなデータの分割

アヤメデータの分類、k最近傍法

k最近傍法について理解する

アヤメ分類で利用したPython文法などのメモ

機械学習のデータの扱い方

過学習と汎化性能、k最近傍法パラメータ調整

交差検証

交差検証の使い方

LeaveOneOut

画像分類

Digit画像データについて

k最近傍法でDigitの分類

サポートベクターマシンでDigitの分類

ランダムフォレストでDigitの分類

PCA+ランダムフォレストでDigit分類

分類問題と色々なアルゴリズム

視覚化の準備

データ視覚化準備、アヤメのデータを2次元にする

分類問題の境界線プログラム1

分類問題の境界線プログラム2

k最近傍法の分類境界線を視覚化

ロジスティック回帰

ロジスティック回帰で2クラス分類(アヤメ)

ロジスティック回帰で多クラス分類(アヤメ)

線形モデルについて

ロジスティック回帰と正則化

乳がんデータの分類

ナイーブベイズ分類器

ナイーブベイズ分類器でアヤメ分類

サポートベクターマシン(SVM)

サポートベクターマシンでアヤメの分類

サポートベクターマシンの勉強

境界線を描く

決定木

決定木で分類

決定木の視覚化

決定木のパラメータ調整

ランダムフォレスト

ランダムフォレストで分類(乳がん2クラス)

ランダムフォレストで分類(乳がん多クラス)

勾配ブースティングマシン

勾配ブースティングマシンで分類(乳がん)

パーセプトロン

パーセプトロンとは?

多層パーセプトロン(MLP)

多層パーセプトロンで乳がんデータ分類

多層パーセプトロンのパラメータ調整奮闘

分類問題の分析

ConfusionMatrix(混同行列)

多クラス分類の混同行列

PrecisionとRecall(適合率と再現率)

回帰問題と色々なアルゴリズム

機械学習の回帰とは?

ボストンの住宅価格データ予測

ボストン住宅価格データを知る

データ観測とプロット

単回帰分析

最小二乗法

重回帰分析

特徴量の選択

多重共線性(マルチコ)

リッジ回帰でボストン住宅価格予測

リッジ回帰

リッジCV

学習曲線

学習曲線2

Lasso回帰でボストン住宅価格予測

Lasso回帰

パラメータチューニング

データの前処理

ビニング

ビニング2

多項式回帰

特徴量を増加させる

標準化

主成分分析(PCA)

PCAの実践

PCAの白色化

教師なし学習

クラスタリング

クラスタリング

クラスタリング2

シルエット分析

Flaskとscikit-learn

Webアプリケーションのフレームワーク「flask」でscikit-learnを使ってみた記事となります。

シンプルにscikit-learnと合体

scikit-learnモデルの保存と読み込み

タイトルとURLをコピーしました