Scikit-learn

Scikit-learnのGridSearchCVクラスによるグリッドサーチを解説します。

Scikit-learnのStratifiedKFoldクラスによる交差検証を解説します。

Scikit-learnのDBSCANクラスを用いたクラスタリングを解説します。

Scikit-learnのKMeansクラスを用いたクラスタリングを解説します。

回帰モデルの評価指標としてよく用いられるMAE, RMSE, MAPE, RMSPEについて解説します。

Scikit-learnのElasticNetクラスによるElastic Netについて解説します。

Scikit-learnのLassoクラスによるラッソ回帰について解説します。

Scikit-learnのRidgeクラスによるリッジ回帰について解説します。

Scikit-learnのLinearRegressionクラスによる線形回帰について解説します。

分類モデルの評価指標としてよく用いられる、混同行列、F値、ROC曲線、AUCについて解説します。

サポートベクターマシン (SVM, support vector machine) は分類アルゴリズムの1つです。SVMは線形・非線形な分類のどちらも扱うことができます。また、構造が複雑な中規模以下のデータの分類に適しています。

分類木 (classification tree) は、分析したデータが属するカテゴリー（クラス）を予測する分類アルゴリズムの1つです。分類木では、Yes/Noによる分岐を何度か繰り返して、分類の予測を返します。

PolynomialFeaturesクラスの引数とメソッドについて解説する。また、特徴量の数を1～3まで変化させ、オプションによって出力がどのように変化するか確認する。