ナイーブベイズの実装確認 - Qiita
今回調べたこと ナイーブベイズを実装しようとした際に、最終的な予測の出力で迷った部分があったので、sklearnの実装を参考。 その際に実装の中身を追ったので、内容を記録。 ソースコード 参考コード 今回はBernoulliNBの実装を参考に中身を確認。 import numpy as np from sklearn.naive_bayes import BernoulliNB rng = np.random.RandomState(1) X = rng.randint(5, size=(6, 100)) Y = np.array([1, 2, 3, 4, 4, 5]) clf = BernoulliNB(force_alpha=True) clf.fit(X, Y) print(clf.predict(X[2:3]))
【機械学習】決定木をscikit-learnと数学の両方から理解する - Qiita
1.目的 機械学習をやってみたいと思った場合、scikit-learn等を使えば誰でも比較的手軽に実装できるようになってきています。 但し、仕事で成果を出そうとしたり、より自分のレベルを上げていくためには 「背景はよくわからないけど何かこの結果になりました」の説明では明らかに弱いことが分かると思います。 この記事では、**２～３で「理論はいいからまずはscikit-learn使ってみる」こと、４以降で「その背景を数学から理解する」**２つを目的としています。 ※私は文系私立出身なので、数学に長けていません。可能な範囲で数学が苦手な方にもわかりやすいように説明するよう心がけました。 ※「数学から理解する」シリーズとして、同様の記事を投稿していますので、併せてお読みいただけますと幸いです。 【機械学習】線形単回帰をscikit-learnと数学の両方から理解する [【機械学習】線形重回帰をsc
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Pythonで統計・データ分析！～基本統計量の活用と機械学習の基本