エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント1件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
ランダムフォレストで特徴量の重要度を評価する : 新規事業のつくり方
機械学習界隈で、最強アルゴリズムの一角を占めていたランダムフォレスト。ディープラーニングが登場し... 機械学習界隈で、最強アルゴリズムの一角を占めていたランダムフォレスト。ディープラーニングが登場した後急速に存在感をなくすものの、その利便性と強力さから多くのデータサイエンティストが現役利用中。 scikit-learnでのランダムフォレスト、分類モデルと重要度評価の実装方法まとめました。 決定木の問題点決定木は、上から順に条件分岐を作って分類モデルを作る手法です。ルールが可視化できる、正規化や標準化などのデータ加工が不要など、素晴らしいアルゴリズムです。 しかし、決定木は過学習を起こしやすいという問題点がありました。 前の記事:Pythonの決定木分析できのこ派とたけのこ派を予測するランダムフォレストとは ランダムフォレストは、決定木をたくさん作ってその結果を多数決(平均化)することで、決定木の過学習を平準化するアルゴリズムです(アンサンブル学習と言います)。
2018/06/08 リンク