scikit-learn で線形回帰 (単回帰分析・重回帰分析) – Python でデータサイエンス
本ページでは、Python の機械学習ライブラリの scikit-learn を用いて線形回帰モデルを作成し、単回帰分析と重回帰分析を行う手順を紹介します。 線形回帰とは 線形回帰モデル (Linear Regression) とは、以下のような回帰式を用いて、説明変数の値から目的変数の値を予測するモデルです。 特に、説明変数が 1 つだけの場合「単回帰分析」と呼ばれ、説明変数が 2 変数以上で構成される場合「重回帰分析」と呼ばれます。 scikit-learn を用いた線形回帰 scikit-learn には、線形回帰による予測を行うクラスとして、sklearn.linear_model.LinearRegression が用意されています。 sklearn.linear_model.LinearRegression クラスの使い方
auto-sklearn — AutoSklearn 0.4.0 documentation
auto-sklearn� auto-sklearn is an automated machine learning toolkit and a drop-in replacement for a scikit-learn estimator: >>> import autosklearn.classification >>> cls = autosklearn.classification.AutoSklearnClassifier() >>> cls.fit(X_train, y_train) >>> predictions = cls.predict(X_test) auto-sklearn frees a machine learning user from algorithm selection and hyperparameter tuning. It leverages r
いまさら聞けない？scikit-learnのキホン | DevelopersIO
こんにちは、小澤です。 今回は、scikit-learn入門として、機械学習を使ったシステム構築の流れを見てみましょう。 機械学習というと複雑な数式などを駆使して難しいプログラムを実装するイメージがあるかもしれませんが、 ライブラリを利用するだけであれば簡単であることがわかるかと思います。 機械学習の種類 機械学習には様々な種類のものがあります。 ここでは、分類方法として以下のようにしています。 教師あり学習 教師なし学習 その他(半教師あり学習、強化学習など) 教師あり学習 教師あり学習ではデータと正解ラベルの2つの情報が渡されます。 大量のデータから「このデータの正解はこのラベルであった」というパターンを見つけ出して、正解ラベルのないデータに対してもそれを予測するものになります。 教師あり学習はさらに正解ラベルの種類によって回帰と分類に分けられます。 回帰は、正解となる値が連続した数値
【翻訳】scikit-learn 0.18 チュートリアル 目次 - Qiita
http://scikit-learn.org/0.18/tutorial/index.html を google翻訳した User Guide はこちら scikit-learnチュートリアル scikit-learnによる機械学習の紹介 機械学習：問題の設定 サンプルデータセットの読み込み 学習と予測 モデルの永続性 規約 科学的データ処理のための統計学習のチュートリアル 統計学習：scikit-learnにおける設定と推定器オブジェクト 教師あり学習：高次元の観測からの出力変数を予測する モデル選択：推定量とそのパラメータの選択 教師なし学習：データの表現を求める すべてを一緒に入れて ヘルプの検索 テキストデータの操作 チュートリアルセットアップ 20のニュースグループデータセットを読み込む テキストファイルからの特徴の抽出 分類器のトレーニング パイプラインの構築 テストセットの
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
処理を実行中です
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
