機械学習 【機械学習】サポートベクターマシンについて学ぼう！
本記事ではサポートベクターマシンについて説明しています。SVMのキーワードはマージン最大化です。ハードマージンSVMとソフトマージンSVMの違いは条件の厳しさで、線形SVMと非線形SVMの違いは決定境界にあります。
機械学習
機械学習 
機械学習 【機械学習】次元の呪いについて学ぼう！
本記事では次元の呪いについて説明しています。
次元の呪いとは次元数が増加すると、必要なデータ数が指数関数的に増加する問題で、訓練コストがかかることや適切な評価ができないという問題が発生します。対策は特徴量の選択や特徴量をまとめる作業があります。
機械学習 【機械学習】未学習について知ろう！
本記事では未学習について説明しています。未学習とは学習が足りていない状態を指します。原因は訓練時間が短い、パラメータ数が少ないがあり、対策としては訓練時間を長くする、パラメータ数を増やすがあります。
機械学習 【機械学習】過学習について知ろう！
本記事では過学習について説明しています。目次は以下の通りです。 過学習とは 過学習とは学習データで予測精度が高いのにテストデータになると予測精度が下がる状況です。過剰適合やオーバーフィッティングとも呼ばれ、イメージ的には問題集を何周もせいで...
機械学習 【機械学習】ロジスティック回帰について学ぼう！
本記事ではロジスティック回帰について説明しています。ロジスティック回帰とは2値分類する際に使用される回帰手法の一つで複数の説明変数から目的変数を予測する手法です。関数としてはシグモイド関数が用いられます。
機械学習 【機械学習】ホールドアウト法と交差検証法について知ろう！
本記事ではホールドアウト法と交差検証法について説明しています。ホールドアウト法と交差検証法はデータを分割して性能評価を行う手法です。ホールドアウト法は一度の分割で訓練とテストを行い、交差検証法は複数回の分割を繰り返し性能評価を実施します。
機械学習 【機械学習】単回帰分析と重回帰分析について学ぼう
本記事では単回帰分析と重回帰分析について説明しています。線形回帰は説明変数と目的変数の間の線形な関係を推定する統計的方法で、単回帰分析は1つの説明変数を用いて行う線形回帰であり、重回帰分析は2つ以上の説明変数を用いて行う線形回帰です。
機械学習 【機械学習】k-meansについて学ぼう！
本記事ではk-meansについて説明しています。k-meansはデータをk個のクラスタに分割し、類似したデータを同じクラスタに割り当てる手法です。そのメリットは単純かつ効率的なアルゴリズムである一方、デメリットは適切なクラスタ数kを事前に指定する必要があることです。
機械学習 【機械学習】主成分分析について学ぼう！
本記事では主成分分析について説明しています。主成分分析は多変数データを次元削減する手法です。データの可視化がしやすいメリットがありますが、主成分の意味がわかりにくいデメリットもあります。
機械学習 【機械学習】MAEとMSEとRMSEについて知ろう
本記事ではMAEとMSEとRMSEについて説明しました。
MAEは、実際の値と予測値の差を絶対値として取り、それらの誤差の平均を計算した指標です。MSEは、実際の値と予測値の差を二乗し、それらの誤差の平均を計算した指標です。RMSEは、MSEの平方根を取った指標です。