このカテゴリの記事
- 01 機械学習の3分類(教師あり/なし/強化) 機械学習基礎
- 02 訓練・検証・テスト分割と汎化性能 機械学習基礎
- 03 過学習・未学習とバイアス・バリアンス 機械学習基礎
- 04 交差検証(k-fold CV) 機械学習基礎
- 05 線形回帰と最小二乗法 回帰
- 06 Ridge/Lasso と正則化 回帰
- 07 回帰の評価指標(R²・MSE・RMSE・MAE) 回帰
- 08 ロジスティック回帰 分類
- 09 決定木とランダムフォレスト 分類
- 10 勾配ブースティング(XGBoost/LightGBM) 分類
- 11 SVM・k近傍法・ナイーブベイズ 分類
- 12 分類の評価指標(混同行列・Precision/Recall/F1) 評価指標
- 13 ROC曲線とAUC 評価指標
- 14 クラスタリング(k-means・階層型) 教師なし学習
- 15 次元削減(PCA・t-SNE・UMAP) 教師なし学習
- 16 アソシエーション分析と時系列分析 教師なし学習
- 17 ニューラルネットワーク基礎(パーセプトロン・誤差逆伝播) ニューラルネット
- 18 ディープラーニング概論(CNN・RNN・Transformer) 深層学習
- 19 生成AI・LLM・転移学習 深層学習
- 20 機械学習まとめ・モデル選択ガイド まとめ
- 21 ハイパーパラメータチューニング(GridSearch・RandomSearch・ベイズ最適化) 機械学習基礎
- 22 アンサンブル学習(スタッキング・ブレンディング) アンサンブル学習
- 23 SHAP・LIME と 説明可能AI 評価指標
- 24 強化学習の詳細(Q学習・SARSA・DQN) 強化学習
このカテゴリで扱うテーマ
- 教師あり/なし/強化学習・過学習・交差検証
- 回帰 (線形・Ridge・Lasso) と分類 (決定木・SVM・XGBoost)
- 評価指標 (混同行列・F1・ROC/AUC・R²)
- クラスタリング・次元削減 (PCA・t-SNE)
- ニューラルネットワーク・CNN・Transformer・LLM