機械学習・ディープラーニング
-
【scikit-learn】ModuleNotFoundError: No module named 'sklearn'の解決方法について
問題のコード from sklearn.linear_model import Lasso このコードは、scikit-learnライブラリのlinear_modelモジュールにあるLassoクラスを …
-
【scikit-learn】ランダムフォレストの意味と使い方について
ランダムフォレストとは？ ランダムフォレスト（Random Forest）は、機械学習で使われるアンサンブル学習の手法の一つで、多数の決定木（Decision Trees）を組み合わせて予測を行うアル …
-
【scikit-learn】サポートベクターマシン（SVM）の使い方と意味について
scikit-learnによるサポートベクターマシン サポートベクターマシン（Support Vector Machine、以下SVM）は、機械学習のアルゴリズムの1つです。特に分類や回帰問題に適して …
-
【scikit-learn】カテゴリー変数をエンコーディングする方法について
scikit-learnでカテゴリー変数をエンコーディングする方法 カテゴリー変数（Categorical Variables）は、数値ではなく、文字列やラベル形式で表現されるデータのことです。例えば …
-
【scikit-learn】ラッソ回帰の意味と使い方について
ラッソ回帰 ラッソ回帰とは？ ラッソ回帰（Lasso Regression）は、線形回帰モデルの1つで、データの特徴量選択を自動的に行うことができる点が特徴です。具体的には、モデルの精度を保ちながら、 …
-
【scikit-learn】データを訓練データとテストデータに分割するtrain_test_splitについて
訓練データとテストデータの分割 機械学習のプロジェクトを進めるうえで、データを適切に分割することは非常に重要です。モデルを訓練するためのデータ（訓練データ）と、モデルの性能を評価するためのデータ（テス …
-
【ディープラーニング】密ベクトルと疎ベクトルの意味と例について
密ベクトルと疎ベクトルとは？ ベクトルは機械学習・ディープラーニングなどでは、特にデータの集まりを表現する概念です。その中でも、密ベクトルと疎ベクトルは特にデータの「密度」に注目して分類されます。 密 …
-
α-divergence（アルファダイバージェンス）の意味と性質について
αダイバージェンス αダイバージェンス（α-divergence）は、2つの確率分布間の違い・類似度を定量化するための尺度の一種です。 定義 αダイバージェンスの式変形 αダイバージェンスの式の \( …