[B! 決定木] ymym3412のブックマーク

ymym3412 id:ymym3412

決定木に関するymym3412のブックマーク (3)

[Python]インスタ映えする決定木を描く - Qiita
はじめに概要この記事ではPythonをつかって↓こんなのをつくります GraphVizによる決定木描画の不満点機械学習が流行の今、pythonにおいてはscikit-learnを使う方が多いですよね。その第一歩として、sklearnのDecisionTreeClassifierでIrisやTitanicを決定木分析するかと思います。（ぼくはそうでした） sklearnのDecisionTreeClassifierでは、学習した決定木をDOT言語を介してGraphVizで可視化することができます。 ↓こんなふうに。ダサい勿論、分析に必要な情報は揃っていてわかりやすい秀逸な図だと思います。でもダサさが溢れ出てますね。 Tableauとかオサレなツールが登場している時代に、この古臭さ。これではインスタグラムに投稿できないです。もっとフォトジェニックに描画できないものでしょうか。
ymym3412 2018/03/18
可視化

決定木

機械学習
リンク
(t-SNE, DBSCAN, Decision Tree)で、(可視化 > クラスタリング > 特徴説明)を行う - Qiita
Help us understand the probl em. What is going on with this article?
ymym3412 2016/11/10
Python

決定木

t-SNE

clustering
リンク
scikit-learn で決定木分析 (CART 法)
決定木分析 (Decision Tree Analysis) は、機械学習の手法の一つで決定木と呼ばれる、木を逆にしたようなデータ構造を用いて分類と回帰を行います。なお、決定木分析は、ノンパラメトリックな教師あり学習に分類されます。決定木分析の長所決定木分析は他の分析手法と比較して、以下の特長があります。入力データから特徴を学習し、決定木と呼ばれる樹木状の構造で学習結果を視覚化でき、ルールをシンプルに表現できる特徴があります。他の多くの手法では、データの標準化 (正規化) やダミー変数の作成を必要とするのに対し、決定木分析では、このような前処理の手間がほとんど不要です。カテゴリカルデータ (名義尺度の変数) と数値データ (順序尺度、間隔尺度の変数) の両方を扱うことが可能です。ニューラルネットなどのようなブラックボックスのモデルと比較して、決定木はホワイトボックスのモデルだと
ymym3412 2016/10/12
機械学習

決定木
リンク
1