気に入った記事をブックマーク
- 気に入った記事を保存できます
保存した記事の一覧は、はてなブックマークで確認・編集ができます
- 記事を読んだ感想やメモを書き残せます
- 非公開でブックマークすることもできます
qiita.com/zoo-datascience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。
0
記事へのコメント0件
- 注目コメント
- 新着コメント
新着コメントはまだありません。
このエントリーにコメントしてみましょう。
このエントリーにコメントしてみましょう。
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
いまの話題をアプリでチェック！
- 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
サポートベクタマシン（load_iris） - Qiita
今回はサポートベクタマシン（分類）の実装をまとめていきます。 ※以降、SVMと省略することがあります。... 今回はサポートベクタマシン（分類）の実装をまとめていきます。 ※以降、SVMと省略することがあります。 ■ サポートベクタマシンの手順 次の7つのSTEPで進めます。 モジュールの用意 データの準備 データの可視化 モデルの作成 モデルのプロット 分類を予測 モデルの評価 1. モジュールの用意 最初に、必要なモジュールをインポートしておきます。 import numpy as np import pandas as pd import matplotlib.pyplot as plt # データセットを読み込むモジュール from sklearn.datasets import load_iris # 標準化（分散正規化）を行うモジュール from sklearn.preprocessing import StandardScaler # 訓練データとテストデータを分割するモジュール f
qiita.com/zoo-datascience
qiita.com/zoo-datascience
qiita.com/zoo-datascience
qiita.com/zoo-datascience
anond.hatelabo.jp
zenn.dev/acntechjp
type.jp
www.jstage.jst.go.jp
slide.meguro.ryuzee.com
wikino.app
zenn.dev/mconfjp
zenn.dev/pksha
speakerdeck.com/clockmaker
speakerdeck.com/konifar
delishkitchen.tv
blog.agile.esm.co.jp
cloud.google.com
onaji.me
suumo.jp
engineers.ntt.com
ashita.biglobe.co.jp
