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
Pythonによる異常検知 | Ohmsha
扉・はじめに・目次 第0章 機械学習と異常検知 0.1 異常検知とは? 1 異常検知の定義 2 異常検知に... 扉・はじめに・目次 第0章 機械学習と異常検知 0.1 異常検知とは? 1 異常検知の定義 2 異常検知におけるデータの分類と手法の選択 3 異常検知の活用例 0.2 本書の意義と構成 第1章 機械学習と統計解析の基本モデル 1.1 機械学習と誤差関数 1 教師あり学習と教師なし学習 2 誤差δと誤差関数L 3 バイアス(平均)とバリアンス(分散) 4 誤差関数と異常検知 1.2 機械学習と統計解析の比較 1 類似性 2 相違性 1.3 教師あり学習──分類と回帰 1 回帰とはなにか 2 分類とはなにか 3 統計モデルと代表的なアルゴリズム 4 機械学習モデルと代表的なアルゴリズム 1.4 教師なし学習──特徴抽出・クラスタリング・次元削減 1 次元削減とクラスタリングの等価性 2 1重行列による次元削減(主成分分析) 3 多重行列による次元削減 4 統計分布による次元削減(t-SNE)