サルでもわかるデータサイエンス

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。

2023/10/29

k-means法はデータをグループに分けるクラスタリングの手法です。本記事ではk-means法が使える場面やアルゴリズム、欠点、そしてPythonでの実装について解説していきます。

2023/10/29

バイアスとバリアンスはモデルの予測性能に大きく関わる重要な概念です。本記事では、バイアスとバリアンスのそれぞれの概要やトレードオフの関係、バイアス・バリアンス分解について解説していきます。

2023/10/29

アンサンブル学習とは複数のモデルを組み合わせることで予測精度を上げる手法です。今回の記事ではアンサンブル学習の3つの種類からバイアスとバリアンス、注意点について解説していきます。

2023/10/29

交差検証法とはデータを等分し、それらのデータの1つをテストデータとして繰り返しテストを行うモデルの評価方法です。本記事では、モデルの評価方法の1つとして重要な交差検証法について種類やPythonでの実装・ホールドアウト法との違いについてまで解説していきます。

2023/10/29

過学習は学習のために用いたデータに過度に適合することで、未知のデータに対する予測精度が低くなってしまう現象です。今回の記事では、過学習の原因から見分け方・対策方法まで解説しています。

2023/10/29

正則化はモデルの作成の際に過学習を抑えるために用いられる手法です。正則化にはL1正則化とL2正則化が存在しそれぞれ特徴が存在します。今回の記事では、正則化の概要や目的、L1正則化とL2正則化の特徴と実装をご紹介しています。

2023/10/29

機械学習の評価指標はモデルの性能を客観的に評価するために重要です。評価の中でも評価指標はモデルの予測精度や性能を定量化するために用いられます。この記事では、回帰タスクと分類タスクにおける代表的な評価指標を図解や数式で解説します。

2023/10/29

k近傍法はあるデータを分類するという場面で用いられる手法です。シンプルな仕組みであるため、理解しやすく実装も容易に行えます。今回はk近傍法について、仕組みや実用例、Pythonでの実装、メリット・デメリットについて解説していきます！

2023/10/28

情報の信頼性は専門性と信用性から判断できます。今回の記事では、情報の信頼性の定義からインターネットでの信頼性の基準、見分け方について簡単に解説しています。