Analytics– category –

本記事はニューラルネットワークによるPython実装イメージを深めるために作成しております。本記事を通じて「単純パーセプトロン」「多層パーセプトロン」「Kerasを用いた2層ニューラルネットワーク」の構築方法を学習しましょう。

本記事では機械学習におけるデータの投入方法と題して「バッチ学習」「オンライン学習」「ミニバッチ学習」を紹介します。それぞれの特徴や適した利用シーンに至るまで詳しく解説します。

機械学習モデルの予測性能を検証する方法として「ホールドアウト検証」と「K-分割交差検証(K-foldクロスバリデーション)」という代表的な2つの手法があります。本記事ではこれらの検証方法について解説します。

本記事では機械学習における分類モデルの性能評価方法について解説します。本記事読了いただくことで、機械学習の集計データに基づきモデルを多様な角度から評価できるようになります。

PythonライブラリであるPandas・Seriesの基本操作を解説しています。プログラム構築時に辞書代わりとして活用していただければと思います。

機械学習の教師なし学習であるクラスタリング分析実施にあたり、本記事では「階層的クラスタリングの概要とそのプログラミング手法を知りたい」という要望にお答えします。記事前半は階層的クラスタリングの概要解説、後半はプログラミング手法解説という構成です。

本記事では「pythonライブラリであるMatplotlibを活用した様々なグラフデザイン方法」をご紹介します。折線、棒グラフ、円グラフなどのグラフ形式の指定方法や引数を用いた詳細なグラフデザインまで幅広く取り扱っている内容となっています。

機械学習の教師なし学習であるクラスタリング分析実施にあたり、本記事では「k平均法(k-means法)の概要とプログラミング手法を知りたい」という要望にお答えします。記事前半ではk平均法の原理や評価方法を解説し、後半ではsckit-learnを活用したpythonプログラミング手法を解説します。

機械学習のデータ前処理で実施される「特徴量スケーリング(Feature Scaling)って何？」「重要性とは?」「どうやってスケーリングするの?」本記事ではこれらの質問に回答します。特徴量スケーリングとして代表的な正規化および標準化や、sckit-learnを用いたPythonプログラミング手法も解説しています。

機械学習のデータ前処理で実施される「カテゴリー変数のエンコーディングって何？」「重要性とは?」「プログラミング方法は?」本記事ではこれらの質問に回答します。実際のコーディングでは代表的なOne Hot EncodingおよびLabel Encodingを例に解説しています。

「PythonのWebアプリケーションを取り扱う際、JSON形式のデータはどのように変換処理するの？」本記事ではこの疑問に回答します。記事前半では、JSON形式のデータが用いられる意義を紹介します。後半部分はPythonの値とJSON形式データの相互変換方法について触れます。

本記事では「pythonライブラリであるMatplotlibの基本的な活用方法、及びグラフの可視化方法」を実際のプログラミングコードを用いてご紹介します。折線グラフの描画方法をベースとし、グラフタイトル・軸ラベル・軸の範囲設定など掲載すべき情報の付与方法について紹介します。次に、複数のグラフを同時に描く方法やグラフのスタイル変更など応用部分に触れます。