学習教材
「Pythonによるあたらしいデータ分析の教科書」の第4章4節のscikit-learn
学習まとめ
第4章3節の「sckit-learn」は56ページありました。
分類や回帰で紹介されているアルゴリズムは、代表的なアルゴリズムのみでした。また、他の節と比べてページ数は多いのですが、sckit-learnの基本を駆け足で説明した感がありました。
混合行列、ROC曲線、k-meansなどは、本書だけでは理解できなかったので、下記の書籍で情報を補足しました。
- やさしく学ぶ機械学習を理解するための数学のきほん
sckit-learnの全体像を把握でき、Webサイトや他の書籍で初見になる単語は減ると思います。
| 第4章3節 | scikit-learn |
| 学習時間 | 6時間（起床後の１時間学習と就寝前の１時間学習を、３日間続けました） |
| 学習スタイル | JupyterNotebookでトレース、不明な点をWebサイトや他の書籍で確認 |
| 学習した内容 | データの前処理（欠損値への対応、変数を分類ごと数値変換する、特徴量の正規化） 分類（サポートベクターマシン、決定木、ランダムフォレスト） 回帰（線形回帰） 次元削減（主成分分析） モデルの評価（適合率、再現率、F値、正解率、混合行列、交差検証） 予測確率の正確さ（ROC曲線、AUC） ハイパーパラメータの最適化（グリッドサーチ、ランダムサーチ） クラスタリング（k-means、階層的クラスタリング） |
次の学習
「Pythonによるあたらしいデータ分析の教科書」の第5章1節のスクレイピング
コメント