エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
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4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
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- 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
Jupyter Notebook Viewer
機械学習の分類の話¶分類(Classification)は、教師あり学習の1つで、予測対象はカテゴリなどの離散的な... 機械学習の分類の話¶分類(Classification)は、教師あり学習の1つで、予測対象はカテゴリなどの離散的な値を予測します。 具体的には、メールがスパムかどうかや、画像に映っているのがどういった物体か、といったバイナリで表現できる値を予測する場合にモデルを作ります。 基本的に、入力データをベクトル $x$ (例えば [1, 3, 4, 8] )と考えた時に、予測対象のカテゴリ $y$ ( ham/spam )を出力します。 入力ベクトルは整数や小数のベクトルの場合が多いですが、「晴れ」「雨」などといったカテゴリ情報も適当な数値に変換して扱うことが多いです。 同様に出力されたカテゴリは、-1や1などの整数で表現することが多いです。 このnotebookでは、分類について以下のモデルを紹介します。 パーセプトロン(Perceptron) ロジスティック回帰(Logistic Regres
2016/05/12 リンク