最新アンサンブル学習SklearnStackingの性能調査(LBGM, RGF, ET, RF, LR, KNNモデルをHeamyとSklearnで比較する) - Qiita
Abstract white, inc の ソフトウェアエンジニア r2en です。 自社では新規事業を中心としたコンサルタント業務を行なっており、 普段エンジニアは、新規事業を開発する無料のクラウド型ツール を開発したり、 新規事業のコンサルティングからPoC開発まで携わります 今回は、機械学習の技術調査を行なったので記事で共有させていただきます 以下から文章が長くなりますので、口語で記述させていただきます scikit-learn 0.22で新しく、アンサンブル学習のStackingを分類と回帰それぞれに使用できるようになったため、自分が使っているHeamyと使用感を比較する KaggleのTitanicデータセットを使い、性能や精度、速度を検証する アンサンブルに使用する機械学習モデルは、lightgbm, regularized greedy forest, extremely r
【ロジスティック回帰の思わぬ罠！】学習結果の発散とその回避方法 - 若葉の技術メモ
ロジスティック回帰 気軽に使えるクラス分類の基本的なツール。 しかし、油断しているとうっかりはまってしまう落とし穴があります。 うまく学習率を調整しても、学習結果が発散する場合があるという罠です。 今回の記事ではこの罠とその回避方法についてご紹介します！ Logistic回帰とは Logistic回帰の罠 原因の解説 線形分離可能性 係数が発散する場合のロス関数 回避方法 まとめ Logistic回帰とは Logistic回帰については前回の記事 wakaba-mafin.hatenablog.com にて紹介いたしました。 簡単に言ってしまうと、Logistic回帰とはモデル に基づいて、特徴からクラスを識別する手法です。 特にこの識別では特徴空間に超平面を張ることによって線形にクラスを識別します。 計算の方法も容易で多数のパッケージが提供されています！ Logistic回帰の罠 Log
How to install Emacs on your Chromebook!!! - Qiita
ChromebookでWeb開発環境を整えるのに意外と手間取ったので共有します。エディタはEmacsを使いますが、その手前までは誰にでも有用かなと。間違っている部分があれば、ご指摘をお願い致します。 手順としては Linux (Beta) の有効化 Linuxリポジトリ追加 Emacsとmozcインストール init.el設定 がざっくりした流れです。 なぜChromebookなのか？ ChromebookってChromeしか使えないし、ローカルデータ無くて使いづらそう…みたいな声もあると思います。でも、ノマド的な開発がしたい時におすすめできる存在です。 Chromebookは持ち運びにおいて優れています。まず、起動とシャットダウンが爆速。起動するのに5秒、終了に2秒と言われています。いつでもどこでも開発したい気持ちに応えてくれるのです。カフェとか外で開発したい人におすすめ。他にも色々なメ
Japan.R 2019にて「KaggleとRコンペの紹介」の題目で発表しました - u++の備忘録
「kaggle その2 Advent Calendar」の7日目の記事です*1。 本日開催された「Japan.R 2019」*2にて「KaggleとRコンペの紹介」の題目で発表しました。 TokyoRでは2度発表したことがあるのですが*3*4、JapanRは初参加でした。幅広い世代の方が多様なジャンルの発表をしているのが印象的でした。あまりKaggleをやっている人は多くなさそうな空間で、普段と違った刺激が多く得られたイベントでした。 *1:qiita.com *2:japanr.connpass.com *3:upura.hatenablog.com *4:upura.hatenablog.com
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
BLOGOS サービス終了のお知らせ
【西川和久の不定期コラム】 実質5万円弱で買った12型2in1「HP Chromebook x360 12b」をレビュー