scikit-learn で機械学習
scikit-learn (読み方は「サイキット・ラーン」) は、Python の機械学習 (Machine Learning; マシン・ラーニング) のモジュールです。 scikit-learn は以下のような特徴があります。 NumPy, SciPy や Matplotlib と互換性を持つように開発されています。例えば、NumPy で作成した行列を機械学習の入力データとして扱うことができます。 オープンソース (BSD ライセンス) で公開されており、無料で利用できるだけでなく、商用にも利用可能です。 クラスタリングや回帰、分類器、次元圧縮、データの前処理をはじめとする、機械学習のアルゴリズムを幅広く実装しています。 このサイトでは、データを用いて、いくつかの機械学習を用いたデータ分析を実行するための手順を紹介します。 scikit-learn で決定木分析 (Decision Tr
R K-means法のクラスタ数を機械的に決定する方法 | トライフィールズ
K-means法（Ｋ平均法）を用いてクラスタリングする場合は、あらかじめクラスタ数を指定しなければならない。 このときのクラスタ数をどのように決めてよいか迷ったことはないだろうか。 ここでは、K-means法のクラスタ数を機械的に決定する方法をお伝えする。 K-means法のクラスタ数を機械的に決定するために用いるのが、Gap統計量である。 Gap統計量を用いたクラスタ数の決定のアイディアを簡単にご紹介すると、クラスタ数1、2、・・・と順に、一様分布から作成されたクラスタ内の距離の平均と元データのクラスタ内の距離の平均とを比べて、より密集しているクラスタ数を採用するという方法である。 詳しくは、Estimating the number of clusters in a data set via the gap statisticを参考にしてほしい。 ここからは、Rを用いて具体的に見ていこ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
