データサイエンス力を鍛える

2023/12/22

プリム法は頂点と辺で構成される図（グラフ）において、それぞれの点を最も安いコスト（費用）でつなぐ方法を見つける手法です。この記事の前半では『プリム法のアルゴリズム』を紹介し、記事の後半では『プリム法のPythonでの実装』を具体的に解説します。

2024/1/15

ベルマンフォード法とは重み付きグラフの全頂点における始点からの最短距離を計算するアルゴリズムです。記事の前半では『ベルマンフォード法のアルゴリズム』を紹介し、記事の後半では『ベルマンフォード法のPythonでの実装』を具体的に解説します。

2023/11/8

ダイクストラ法とはグラフ理論で始点から他の全てのノードへの最短経路を見つけるためのアルゴリズムです。記事の前半では『ダイクストラ法のアルゴリズム』を紹介し、記事の後半では『ダイクストラ法のPythonでの実装』を具体的に解説します。

2023/11/9

損失関数とは機械学習のモデルで算出した予測値と実際の値との誤差を表す式です。記事の前半では『損失関数とは何なのか』を解説しつつ、記事の後半では『損失関数の計算・最適化方法』を分かりやすくお伝えします。

2024/1/15

交差エントロピーとは機械学習の分類モデルの誤差を計算する損失関数です。本記事では交差エントロピーの概要から計算方法、Pythonでの実装まで解説していきます。

2023/10/29

グリッドサーチは、モデルの学習の時にハイパーパラメータを最適なものにするための手法です。本記事では、グリッドサーチのやり方やPythonでの実装、交差検証との関係性について解説していきます。

2024/1/15

DBSCANはデータの密度で判断してクラスタリングを行う手法です。本記事では、DBSCANのアルゴリズムやメリット、Pythonでの実装について解説していきます。

2023/10/29

標準化は、データの分布を正規分布に近い形にすることで異なる特徴量（変数）同士を比較できるようにするデータの前処理の手法の1つです。本記事では、標準化について、概要から正規化との違い、Pythonでのやり方まで解説していきます。

2023/10/29

正規化は異なる尺度を持つ特徴量を比較可能にするためのデータの前処理の手法です。本記事では、データの前処理の手法である正規化について、標準化との違いやPythonでのやり方まで解説していきます。

2023/10/29

ホールドアウト法とはデータを訓練データとテストデータに分割する手法です。本記事では、モデルの評価を行うためのデータ分割手法である『交差検証法』について、メリット・デメリットやPythonでの実装を解説していきます。