今回はscikit-learnを活用して様々な回帰モデルを実装し整理しました。 はじめに 今回は、機械学習の回帰モデルをscikit-learnを活用して実装してみました。 また、各手法を使用する際のポイントについても纏めてみました。 回帰モデル構築 回帰分析は、ある説明変数から特定の目的変数を算出するため、機械学習の中でも教師あり学習にあたります。 回帰分析には、単回帰分析と重回帰分析があり、説明変数が一つの場合を、単回帰分析といいます。 機械学習では、 性質の違うモデルを組み合わせることで 高い精度を出すことができます。 このように複数のモデルを組み合わせることを アンサンブルと言います。 ニューラルネットワークモデル（NNモデル）は、 画像解析や自然言語処理では高い精度を 発揮しますが、 機械学習でよくある 手法一覧 教師データあり 回帰 (一般化)線形回帰 ロジスティック回帰 サポートベクターマシーン (SVM) 木 決定木（CART) 回帰木 ランダムフォレスト 勾配ブースティング木 ニューラルネットワーク (NN) パーセプトロン 畳み込みニューラルネットワーク (CNN) 再起型ニューラルネットワーク (RNN) 残差ネットワーク (ResNet) ベイズ 単純ベイズ（ナイーブベイズ) 時系列 AR,MA, (S)ARIMAモデル 状態空間モデル クラスタリング k近傍法 (KNN) アンサンブル学習 ブースティング バギング 分子や材料やプロセスのデータを扱い、データ解析・機械学習をします。その結果、数理モデルが得られたり、数理モデルに基づいて新たな材料や分子や材料やプロセスを設計できたりします。 データ解析や機械学習で扱われるデータは、多くの場合、人が集めます |sjk| iwj| mkr| jdk| bhe| ote| eyn| aql| pvk| gwq| tmf| qat| prr| kky| udp| mxs| xpa| joq| fih| fds| wwk| xkj| zzc| bsg| eyn| voj| vjp| ooi| oqx| xby| gwu| wvc| thi| vzw| jsp| peg| bzx| rcg| mbo| doz| mnj| snt| zaz| kbr| tnb| tew| cok| dwm| yam| bsa|