Pythonではじめる教師なし学習
教師なし学習はラベル付けされていないデータから学習する機械学習の一種です。現在の機械学習では大量のラベル付きのデータを用いる教師あり学習が主流ですが、ラベルを付けるには膨大なコストがかかります。現実世界に機械学習を適用していくためには、ラベル付けを必要としない教師なし学習の重要性が増してくると考えられます。本書は実践的な視点から、データにある隠れたパターンを特定し、異常検出や特徴量抽出・選択を行う方法を紹介します。ラベルなしデータを有効に利用することで、機械学習の可能性を各段に広げる教師なし学習の本質に迫ります。さらに、変分オートエンコーダ（VAE）や敵対的生成ネットワーク（GAN）、制限付きボルツマンマシン（RBM）などの生成モデルも紹介します。 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書
WHAT'S NEW 2024/3/29 Common Lisp 入門: 入門編に 分数 [2] を追加 2024/3/29 自作ライブラリ編: ntheory をバージョンアップ (ver 0.2.10) 2024/3/15 Common Lisp 入門: 入門編に 分数 を追加 CONTENTS お気楽 Common Lisp プログラミング入門 入門編 応用編 パズルの解法編 思考ルーチン編 圧縮アルゴリズム編 micro Scheme 編 お気楽 CLOS プログラミング入門 番外編 仮想計算機 COMETⅡ Yet Another Common Lisp Problems 自作ライブラリ編 (別ページへ移動) お気楽 ISLisp プログラミング超入門 (別ページへ移動) xyzzy Lisp Programming (別ページへ移動) 参考文献, URL お気楽 Common
機械学習の代表的なアルゴリズム19選 機械学習をはじめとしたAI技術がさまざまな場面で利用されるようになっており、データサイエンティストは、解析に使用するデータやアルゴリズムを調整して機械学習モデルを作成します。 機械学習を活用するには「教師あり学習」「教師なし学習」といった学習手法を選択し、レコメンド、需要予測、異常検知などの目的に応じてアルゴリズムを使い分ける必要があります。 今回の記事では、データサイエンスやAI開発実務でよく利用される「機械学習アルゴリズム」について特徴や用途などを中心に紹介します。 線形回帰 線形回帰は、統計分析の基本としてよく用いられている理論です。回帰分析では、変数xと相関関係のあるyの値を予測できます。1つの従属変数yと、1つあるいは複数の独立変数xの関係を予測するわけです。比較的単純なモデルである線形回帰は、売上予測や保険会社のリスク評価などのビジネス利用
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
M.Hiroi's Home Page / Common Lisp Programming
機械学習の代表的なアルゴリズム19選 | AIdrops