Scikit-Learn

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。

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。

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

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

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）

気温予測、犬猫判定

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。

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。

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。

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。