<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>第09講 機械学習（2/3; 教師あり学習） on プログラミング演習B</title><link>https://ksubpb.github.io/2026/lesson09/</link><description>Recent content in 第09講 機械学習（2/3; 教師あり学習） on プログラミング演習B</description><generator>Hugo -- gohugo.io</generator><language>ja</language><copyright>© 2026</copyright><lastBuildDate>Mon, 01 Jan 0001 00:00:00 +0000</lastBuildDate><atom:link href="https://ksubpb.github.io/2026/lesson09/index.xml" rel="self" type="application/rss+xml"/><item><title>教師あり学習</title><link>https://ksubpb.github.io/2026/lesson09/supervised_learning/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://ksubpb.github.io/2026/lesson09/supervised_learning/</guid><description>機械学習の手法の一つである教師あり学習について学びます。</description></item><item><title>線形回帰（linear regression）</title><link>https://ksubpb.github.io/2026/lesson09/linear_regression/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://ksubpb.github.io/2026/lesson09/linear_regression/</guid><description>学習データから構築したモデルを用いて、連続値の目的変数を予測します。</description></item><item><title>決定木（Decision Tree）</title><link>https://ksubpb.github.io/2026/lesson09/decision_tree/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://ksubpb.github.io/2026/lesson09/decision_tree/</guid><description>学習データから構築したモデルを用いて、カテゴリ分けされた目的変数を予測します。</description></item><item><title>第09講 週次課題</title><link>https://ksubpb.github.io/2026/lesson09/assignments/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://ksubpb.github.io/2026/lesson09/assignments/</guid><description>気温予測、犬猫判定</description></item><item><title>まとめ</title><link>https://ksubpb.github.io/2026/lesson09/summary/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://ksubpb.github.io/2026/lesson09/summary/</guid><description>教師あり学習（回帰、分類）, scikit-learn, 線形回帰, 決定木</description></item></channel></rss>