Helve’s Python memo

Pythonを使った機械学習やデータ分析の備忘録

LLE (Locally Linear Embedding) による非線形データの次元削減

LLE (Locally Linear Embedding) は、非線形データを対象とする次元削減手法の1つである。
本記事では、LLEのアルゴリズムについて解説する。

目次

続きを読む

多重共線性(マルチコ)の直観的説明

説明変数が2つ以上ある回帰モデル(重回帰モデル)を作成するとき、相関が強い説明変数があると、推定結果が不安定になる。
この問題は多重共線性、あるいは英語のmulti-collinearityからマルチコと呼ばれる。
本記事では、多重共線性が生じる原因について、数学的な厳密さを省いて直観的に説明する。

目次

  • 多重共線性が発生する原因
  • 多重共線性への対策
続きを読む

BaggingClassifierの使用例

前回の記事でscikit-learnのBaggingClassifierクラスについて解説したため、本記事では実際の使用例を示す。
基本的な使い方と、分類確率を出力する方法、warm startによる追加学習について示す。

前回の記事:
scikit-learnのBaggingClassifierでバギングする - Helve’s Python memo

目次

  • はじめに
  • 使用するデータ
  • 基本的な使い方
  • 分類確率を示す
  • 弱学習器を追加して学習する
  • 参考
続きを読む

scikit-learnのBaggingClassifierでバギングする

scikit-learnには、アンサンブル学習を行うためのBaggingClassifierが実装されている。
本記事では、BaggingClassifierを用いた学習(バギング、ペースティング、ランダムサブスペース、ランダムパッチ)について解説する。

目次

  • 環境
  • アンサンブル学習
  • BaggingClassifierクラスについて
    • 引数
    • 変数
    • メソッド
  • 参考
続きを読む

NumPyのemptyで空(長さ0)の配列を作る

NumPyのempty関数を用いて、np.empty(0), np.empty([0, 0]), ...とすることで、空の(要素を持たない)任意の次元の配列を作成できる。
本記事では、空の配列の作り方、使い方について簡単に考察する。

目次

  • 環境
  • numpy.emptyについて
  • 空の配列の生成
  • 空の配列の使い方
  • 参考
続きを読む
※Adblockが有効の場合やモバイル版ページでは、シェアボタンをクリックできません