機械学習の手法
AI総合演習
ようこそ
ガイダンス
プログラミング入門
1
pandas基礎
2
データの可視化
機械学習の背景・数理
3
機械学習で用いる数学の基礎
機械学習モデルの設計と評価
4
南極大陸に生育するペンギンの体長データ
5
ペンギンデータの分類に挑戦
機械学習の手法
6
線形回帰モデルによるペンギンの体重の予測
7
サポートベクターマシン
8
k平均法によるクラスタリング
機械学習モデルの解釈・説明性
9
回帰モデルの解釈
10
PDP
演習1
11
電気使用実績を予測するモデルの構築
深層学習の基礎
12
ニューラルネットワーク
13
ニューラルネットワークによる手書き文字の分類
実社会での応用
14
実社会での応用
深層生成モデル
15
深層生成モデル
参考資料・URL
付録
A
Jupyter Notebook
B
AIを活用したツール
C
Visual Studio Code
D
Docker
目次
この章の参考資料・URL
編集
問題を報告
機械学習の手法
教師あり学習(2)
線形回帰モデル
標準化
回帰モデルにおける評価指標
決定係数
二乗平均平方根誤差(RMSE)
サポートベクターマシン
カーネルトリック
カーネル関数
ハイパーパラメータ
教師なし学習
k-means法
この章の参考資料・URL
竹内一郎 と 烏山昌幸 (
2015
)
森下光之助 (
2021
)
森下光之助. 2021.
機械学習を解釈する技術 = Techniques for Interpreting Machine learning : 予測力と説明力を両立する実践テクニック
. 技術評論社.
http://id.ndl.go.jp/bib/031576666
.
竹内一郎, と 烏山昌幸. 2015.
サポートベクトルマシン = Support Vector Machine
. 機械学習プロフェッショナルシリーズ. 講談社.
http://id.ndl.go.jp/bib/026619227
.
5
ペンギンデータの分類に挑戦
6
線形回帰モデルによるペンギンの体重の予測