機械学習理論– tag –

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。

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。

機械学習モデル開発において、過学習対策として取り扱われる「正則化」について詳しく解説します。「正則化とは？」「L1・L2正則化って何？」という疑問にお応えします。

「単回帰・重回帰分析の概要」「回帰モデル作成時の評価方法やモデル性能改善方法」について詳しく知りたい方向けの記事です。

本記事では機械学習分類モデルの評価指標として用いる「ROC曲線」「PR曲線」「AUC」それぞれの意味・違い・評価方法を詳しく解説します。

近年人気プログラミング言語ランキングで常に上位をキープする「Python」について、その理由の1つに「人工知能開発ができること」が挙げられます。本記事では「Pythonプログラミングを通じてAI開発を行うためのおすすめ独学方法」を徹底解説します。

「機械学習プロジェクトの進め方イメージが分からない」「モデル構築・評価に向けてどのような作業に着手すべき？」本記事ではこのような疑問に回答します。

機械学習の性能評価方法の中で「回帰モデルはどうやって評価するの？」本記事ではその疑問に回答します。具体的に、決定係数、RMSE、MAE等の評価指標があり、それら特徴・利用シーンを1つずつ詳しく解説します。

機械学習における「ハイパーパラメータの概要・最適化手法」の解説記事です。本記事読了後は、ハイパーパラメータとは何か理解できるとともに、要所に応じた最適なチューニング方法(グリッドサーチ・ランダムサーチ・ベイズ最適化等)を把握できるようになるでしょう。

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。