Python

BaggingClassifierを用いた学習（バギング、ペースティング、ランダムサブスペース、ランダムパッチ）について解説する。

Scikit-learnのPCAクラスのパラメータ、属性とメソッドについて解説する。

Scikit-learnに実装されている重回帰、Ridge回帰、Lasso回帰、Elastic Netのロジックと使用方法をまとめた。

Windows10のPowerShellでAnaconda Pythonを使うための手順をまとめた。

Python 3.6で実装されたf-stringsと呼ばれる数字や文字列の表記法を使った、整数・小数の桁数指定や指数表示の方法をまとめた。

KerasのステートフルRNNについて解説する。

前編で作成した時系列予測用generatorクラスを使って予測を行う。

Kerasの時系列予測で、Recurrentレイヤに入力するためのデータを生成するgeneratorクラスの作り方について述べる。

KerasのRNN, GRU, LSTMレイヤを使って時系列データを学習させる。

Kerasを使い、ニューラルネットワーク (NN) に正弦波を学習させる。

Pythonの機械学習用ライブラリScikit-learnに実装されている、スケール変換について調べた。

Scikit-learnの回帰木やランダムフォレスト回帰のクラスには、Feature Importances (FI) という説明変数の重要度を示す指標がある。これは、各説明変数による予測誤差の二乗平均の減少量に対して、データ点数の重みを掛けて求めた値である。

Nehalem以前のCPUを持つPCでは、Tensorflowのバージョンを1.5とする。