機械学習 on プログラミング演習B

機械学習とは

Mon, 01 Jan 0001 00:00:00 +0000

機械学習とは何かを理解し、機械学習の基本的な考え方について学びます。

教師あり学習

Mon, 01 Jan 0001 00:00:00 +0000

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。

教師なし学習

Mon, 01 Jan 0001 00:00:00 +0000

機械学習の手法の一つである教師なし学習について学びます。

クラスタリング

Mon, 01 Jan 0001 00:00:00 +0000

データから基準を見つけ出し、データをいくつかのグループ（クラスタ）に分類します。

基本的な統計指標

Mon, 01 Jan 0001 00:00:00 +0000

機械学習の基礎の前提として、基本的な統計指標について学びます。

線形回帰（linear regression）

Mon, 01 Jan 0001 00:00:00 +0000

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。

決定木（Decision Tree）

Mon, 01 Jan 0001 00:00:00 +0000

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。

次元削減（Dimensionality Reduction）

Mon, 01 Jan 0001 00:00:00 +0000

データから基準を見つけ出し、データをいくつかのグループ（クラスタ）に分類します。

第08講機械学習（1/3; ベクトル、行列、可視化）

Wed, 25 Nov 2026 00:00:00 +0000

概要
#

第08講では、機械学習などで用いられるベクトル、行列をPython の NumPy ライブラリでどのように扱うかを学びます。

第09講機械学習（2/3; 教師あり学習）

Wed, 02 Dec 2026 00:00:00 +0000

概要
#

教科書 p.372（Lesson 13）

第09講では、機械学習のうち 教師あり学習 について学びます。線形回帰による回帰と、決定木による分類を scikit-learn で実装し、モデルの評価方法も学びます。以下の手順で scikit-learn をインストールしておいてください。

第10講機械学習（3/3; 教師なし学習）

Wed, 09 Dec 2026 00:00:00 +0000

概要
#

教科書 p.372（Lesson 13）

第10講では、機械学習のうち 教師なし学習 について学びます。 \(k\)平均法と階層的クラスタリングによるクラスタリング、主成分分析による次元削減を scikit-learn で実装します。 scikit-learn は第09講でインストールしたものを使います。

第09講週次課題

Mon, 01 Jan 0001 00:00:00 +0000

気温予測、犬猫判定

第10講週次課題

Mon, 01 Jan 0001 00:00:00 +0000

特徴量の尺度とクラスタリング、ワインのクラスタリング（任意）

まとめ

Mon, 01 Jan 0001 00:00:00 +0000

機械学習の基礎、統計指標、データの可視化（グラフ描画）

まとめ

Mon, 01 Jan 0001 00:00:00 +0000

教師あり学習（回帰、分類）, scikit-learn, 線形回帰, 決定木

まとめ

Mon, 01 Jan 0001 00:00:00 +0000

教師なし学習, クラスタリング（k平均法、階層的クラスタリング）, 次元削減

機械学習 on プログラミング演習B

機械学習とは

教師あり学習

教師なし学習

クラスタリング

基本的な統計指標

線形回帰（linear regression）

決定木（Decision Tree）

次元削減（Dimensionality Reduction）

第08講 機械学習（1/3; ベクトル、行列、可視化）

概要 #

第09講 機械学習（2/3; 教師あり学習）

概要 #

第10講 機械学習（3/3; 教師なし学習）

概要 #

第09講 週次課題

第10講 週次課題

まとめ

まとめ

まとめ

第08講機械学習（1/3; ベクトル、行列、可視化）

概要
#

第09講機械学習（2/3; 教師あり学習）

概要
#

第10講機械学習（3/3; 教師なし学習）

概要
#

第09講週次課題

第10講週次課題