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。
学習メソッドの実装(1) — 機械学習の Python との出会い
記事へのコメント0件
- 注目コメント
- 新着コメント
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
![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
学習メソッドの実装(1) — 機械学習の Python との出会い
学習メソッドの実装(1)¶ モデルパラメータを,訓練データから学習する fit() メソッドを,単純に多次... 学習メソッドの実装(1)¶ モデルパラメータを,訓練データから学習する fit() メソッドを,単純に多次元配列として,NumPy 配列を利用する方針で実装します. 実は,この実装方針では NumPy の利点は生かせませんが,後の 単純ベイズ:上級編 章で,NumPy のいろいろな利点を順に紹介しながら,この実装を改良してゆきます. 定数の設定¶ まず,メソッド内で利用する定数を定義します. このメソッドの引数は,訓練データの特徴ベクトル集合 X とクラスラベル集合 y であると 単純ベイズクラスの仕様 で定義しました. 最初に,この引数から特徴数や訓練事例数などの定数を抽出します. X は,行数が訓練事例数に,列数が特徴数に等しい行列に対応した2次元配列です. そこでこの変数の shape 属性のタプルから訓練事例数と特徴数を得ます.