推薦システム研究室（RecSysLab） > チュートリアル > scikit-learn

scikit-learn

公開日：2019-08-15
最終更新日：2019-08-26
第1章：k近傍法
  1. KNeighborsClassifierのインポート
  2. KNeighborsClassifierオブジェクトの生成
  3. 学習
  4. 予測
  5. 予測精度の取得
  6. 学習モデルの可視化
  7. 散布図行列の可視化

第2章：線形回帰
  1. LinearRegressionのインポート
  2. LinearRegressionオブジェクトの生成
  3. 学習
  4. 回帰係数の取得
  5. 予測
  6. 平均二乗誤差の取得
  7. 予測精度の取得
  8. 学習モデルの可視化

第3章：ロジスティック回帰
  1. LogisticRegressionのインポート
  2. LogisticRegressionオブジェクトの生成
  3. 学習
  4. 予測
  5. 予測精度の取得
  6. 学習モデルの可視化

第4章：線形SVM
  1. SVCのインポート
  2. SVCオブジェクト（線形カーネル）の生成
  3. 学習
  4. 予測
  5. 予測精度の取得
  6. 学習モデルの可視化

第5章：非線形SVM
  1. SVCのインポート
  2. SVCオブジェクト（線形カーネル）の生成
  3. 線形SVMによる学習
  4. 線形SVMによる予測
  5. 線形SVMによる予測精度の取得
  6. 線形SVMによる学習モデルの可視化
  7. SVCオブジェクト（RBFカーネル）の生成
  8. 非線形SVMによる学習
  9. 非線形SVMによる予測
  10. 非線形SVMによる予測精度の取得
  11. 非線形SVMによる学習モデルの可視化

第6章：交差検証
  1. KFoldとcross_val_scoreのインポート
  2. KFoldオブジェクトの生成
  3. cross_val_score()関数による交差検証
  4. cross_val_score()関数を用いない交差検証(1)
  5. cross_val_score()関数を用いない交差検証(2)

第7章：グリッドサーチ
  1. パラメタ検証範囲の設定
  2. GridSearchCVのインポート
  3. GridSearchCVオブジェクトの生成
  4. グリッドサーチの実行
  5. パラメタCの最適値の取得
  6. パラメタgammaの最適値の取得
  7. 最適パラメタによるSVCオブジェクトの生成
  8. 交差検証
  9. 学習モデルの可視化

第8章：k平均法
  1. KMeansのインポート
  2. KMeansオブジェクトの生成
  3. 学習
  4. クラスタラベルの取得
  5. 学習モデルの可視化

第9章：主成分分析
  1. PCAのインポート
  2. PCAオブジェクトの生成
  3. 学習
  4. 説明変数の分散の取得
  5. 縮約次元数の設定
  6. 次元縮約
  7. 縮約データの配列の形状の取得
  8. 縮約データの内容の表示
  9. 学習モデルの可視化
  10. 散布図行列の可視化