機械学習・AI– category –

機械学習・AIに興味がある方向けに「決定木」の概要・種類（分類木・回帰木）・Pythonでの実装方法をご紹介します。

機械学習モデルをお手元のPC内に保存＆読込する方法について解説します。言語はPython、ライブラリはPickleを活用し実践します。

機械学習「XGBoost」モデルの予測性能を高めたい方向けに、グリッドサーチによるハイパーパラメータチューニング方法を解説します。言語にはPythonを用います。

アンサンブル学習の代表的アルゴリズムである「XGBoost」について詳しく知りたい方向けに、「XGBoostの概要」および「Pythonでの実装方法」を解説します。

機械学習における「アンサンブル学習」について詳しく知りたい方向けに「アンサンブル学習の仕組み」と代表的手法「バギング」「スタッキング」「ブースティング」についてそれぞれ解説します。

AI・機械学習モデルにおける変数選択方法について知りたい方向けに「ステップワイズ法」と「強制投入法」」をそれぞれ解説します。

HyperOptというハイパーパラメータ探索手法について興味がある方向けに「HyperOptの概要」と「Pythonでのコーディング方法」をロジスティック回帰モデルを例に解説します。

仮想通貨の自動売買に興味がある方向けに「Pythonで仮想通貨の将来値動きを予測する時系列モデルを作成する方法」について解説します。

機械学習・AIにおける多クラス分類モデル評価時に登場する「マクロ平均・マイクロ平均法」について詳しく解説します。

ディープラーニングの画像認証に興味がある方向けに、Tensorflow（Keras）を用いてモデルを作成する方法について解説します。

確率統計や機械学習分野で広く応用される「ナイーブベイズ分類」について詳しく解説。前半では「ナイーブベイズ分類の原理」について解説し、後半では「Python scikit-learnを用いた分類モデルのプログラミング方法」について言及。

Pythonでアソシエーション分析を実践したい方向けに「Eclatを採用したアソシエーション分析モデルの作成方法」を詳しく解説します。