このカテゴリの記事
- 01 機械学習の全体像 - 教師あり・教師なし・強化学習 機械学習の全体像
- 02 線形回帰 - 最小二乗法・重回帰・正則化 教師あり学習
- 03 ロジスティック回帰 - 回帰と付くが実は分類手法 教師あり学習
- 04 決定木 - 解釈性の高い分類・回帰モデル 教師あり学習
- 05 ランダムフォレスト - バギングによる決定木の集合 教師あり学習
- 06 SVM (サポートベクターマシン) - マージン最大化とカーネルトリック 教師あり学習
- 07 ブースティング - AdaBoost・XGBoost・LightGBM 教師あり学習
- 08 アンサンブル学習 - バギング・ブースティング・スタッキング 教師あり学習
- 09 k-means - 重心反復で自動クラスタリング 教師なし学習
- 10 階層クラスタリング・DBSCAN - k-means以外のクラスタリング 教師なし学習
- 11 主成分分析 (PCA) と t-SNE - 次元削減の基本 教師なし学習
- 12 強化学習の基礎 - Q学習とマルコフ決定過程 強化学習
- 13 DQN と 方策勾配法 - AlphaGoの背後にある技術 強化学習
- 14 モデル評価 - 交差検証とホールドアウト モデル評価
- 15 評価指標 - 混同行列・F値・AUC・バイアス-バリアンス モデル評価
- 16 ナイーブベイズ - ベイズの定理を使うシンプル分類器 教師あり学習
- 17 k-近傍法 (k-NN) - 怠惰学習と距離ベース分類 教師あり学習
- 18 【総まとめ】Phase 2: 機械学習の手法 フェーズ総まとめ
このカテゴリで扱うテーマ
- 教師あり学習 (線形回帰・ロジスティック回帰・決定木・SVM・ブースティング)
- 教師なし学習 (k-means・主成分分析・t-SNE)
- 強化学習 (Q学習・DQN・方策勾配法)
- モデル評価 (交差検証・バイアス/バリアンス)
- 混同行列・適合率・再現率・F値・AUC・ROC