A
こんにちは！EMです^^ 今回は趣向を変えて、小売業の簡単な売上予測の流れを解説していこうと思います。 【概要】 このレシピでは、人工的で整っていないリアルなPOSデータを使用して、商品の売上予想モデルの実装を試すことができます。 ここでは、データの…
こんにちは！EMです^^ なんと昨日今日と、4月の後半にカナダでは雪がちらついております！ 桜が例年より早く咲き始めていたので、雪桜が見れるというなんともめずらしい光景でした。 ということで表題です！ 現在、ビジネスアナリストとしてトレーニング中な…
こんにちは！EMです^^ 引き続き、現在カナダでIT関連のスタートアップにて勉強できる機会がもらえているので、そこで学んだものを共有していこうとおもいます！ 現在、プロジェクトで大切にしていることが とことんお客様目線というところです。素晴らしいで…
こんにちは^^EMです！ 最近、カナダで大手企業のデベロッパーとして働く方とお話する機会があり実際どんな風に働いているのかお話をする機会があったのでその様子を少し書いていこうと思います！ カナダや北米ではよくhome depotというお店をよく見かけます…
こんにちは！EMです^^ そろそろ日本では桜の時期ですね～。 トロントではもう桜のシーズンはもう少し先ですが、今から待ち遠しいです。 さて、本日はPCAという単語について学んでいきましょう！ 前回はKmeansやクラスターの話をしていたので、その知識がある…
こんにちは！EMです^^ 日本ではもう桜の時期みたいですね。 今年は比較的暖冬でしたが、それでも春が待ち遠しいです。 さて、さっそく前回の続きを学んでみましょう！ machinelearningforbeginner.hatenablog.com 今回もいくつかの項目に分けて、知ってて得…
こんにちは！EMです^^ 最近トロントは晴れの日が多くなって、一歩一歩春に近づいています！ やっぱり暖かいと気分も晴れますね♪ それではさっそく、前回からのKMeansシリーズの続きとしてより深くKMeansを考察していく豆知識的な内容を学習していこうと思っ…
こんにちは！EMです^^ だんだん春も近づいてきましたね～！ こちらでは雪も解けてきて、気温もプラスの日が続いてポカポカです！ それでは今日もさっそくKMeansについて学んでいきましょう！ KMeansってどんな役割なのか？ 前回の例では、KMeansを使ってうま…
こんにちは！EMです^^ 前回の続きになる、クラスタリング関連について今回も取り上げていきたいと思います！ その中でも、KMeansアルゴリズムについて、勉強していきましょう。 KMeansアルゴリズム（The KMeans algorithm） 教師なしクラスタリングで最初に…
こんにちは！EMです^^ 今回は前回の続きとして、クラスタリングについて学んでいこうと思います。 この前は、一目でわかる比較的簡単なデータを使ったので今日は少し複雑なデータを使っていこうと思います。 #いくつかのデータを作っていきます mean = [3,3]…
こんにちは！EMです^^ まもなく２月も終わりますね。 この前までお正月だったのに、もう２か月たった、、、という方も多いのではないのでしょうか。 という事で、今回超絶変化の激しい2021年に、データサイエンティストのスキルアップを通じて自分に自信を持…
こんにちは！EMです^^ 今回はクラスタリングについて解説していきます！ クラスタリング クラスタリングとは、似たようなデータを同じグループに入れるモデルの適合です。 分類（従属カテゴリ変数を含むモデルの適合）は、クラスタリングの形式と考えること…
こんにちは！EMです^^ 今日からは教師なし学習について解説していきたいと思います！ 機械学習に興味がある方なら、一度は聞いたことのある単語ではないでしょうか。 さっそく教師なし学習とはなにか、どうやって使うのかを見ていきましょう！ 教師なし学習-…
お久しぶりです！EMです^^ 2月も半分が過ぎてしまいました。早いですね～。 私が住んでいるトロント市は現在ロックダウンしており その上今週から非常事態宣言も発表されて、ますますコロナの厳戒態勢が 強まっていました。 ただ、周辺の地域はロックダウン…
こんにちは！EMです^^ 今回は分類アルゴリズム関連の知って得する知識をさらっと学んでいこうと思っています！ 分類アルゴリズムのヒント（Classification Tips） 高いカーディナリティ（high cardinality） 機械学習の世界では、「カーディナリティ」とは、…
こんにちは！EMです^^ 今回は私が最近読んだ機械学習系の本を紹介していきたいと思います！ サイトで検索する事も、勉強にはかかせませんがやはり本を読むと、全体的の流れがつかみやすいのと情報の中身がかなり安定しているので、信頼できる情報が多いです…
こんにちは！EMです^^ 今回も引き続き決定木シリーズを解説していきます！ メインのテーマはアンサンブル手法です！ アンサンブル手法（Ensemble methods） ランダムフォレスト： たくさんの決定木を並行して構築し、多数決を使用して出力を1つのモデルにか…
こんにちは！EMです^^ 今回も引き続き、決定木の特に視覚化について学んでいきたいと思います。 決定木の視覚化（visualizing trees） 構築した決定木を視覚化していきましょう。 その為に、プログラムを含む2つの新しいパッケージをインストールしていきま…
こんにちは！EMです^^ 今回も引き続き、決定木について解説していきたいと思います。 決定木①では決定木が過学習しやすいというお話をしました。 では過学習してしまった時、どのように対処していくのかという事をみていきましょう。 正則化（Regularization…
こんにちは！EMです^^ さっそく今日も分類アルゴリズムシリーズをはじめていきたいと思います。 今日のテーマは「決定木」です！ 決定木（Decision Trees） 決定木はイメージしやすいかもしれません。 例えば、10個ほどの質問をして、答えにたどり着くタイプ…
こんにちは！EMです^^ 今回も分類アルゴリズムシリーズとして、解説していきたいと思っています。 今日はサポートベクターマシーンです！ ロジスティック回帰と同様に、サポートベクターマシーン（SVM）は2つのグループの間にまっすぐな境界線を描きます。 …
こんにちは！EMです^^ 今日はロジスティック回帰について学んでいこうと思います。 ロジスティック回帰（Logistic Regression） ロジスティック回帰は、カテゴリーデータを分類するための最も基本的かつ効果的なツールの1つです。 線形回帰では、下の形式の…
こんにちは！EMです^^ それでは本日からは分類アルゴリズムシリーズをいくつか紹介していきたいと思っています！ 詳しくは ロジスティック回帰（Logistic Regression） サポートベクターマシン（Support Vector Machine） 決定木（Decision Trees） アンサン…
こんにちは！EMです^^ 今回は、作成したモデルの保存の仕方についてさらっと解説していこうと思います。 モデルを適合させて、その出来が良ければ、再度分析を繰り返すときにまたそのモデルを使いたいと思います。 モデルの適合は莫大な時間がかかるプロセス…
こんにちは^^EMです。 今回は（私が）分かりそうで理解できていなかった Train-Test Splitについてのお話です！ 今回は、データをトレーニングデータとテストデータの2つのグループに分けていきます。 モデルはトレーニングデータに適合され、トレーニングと…
こんにちは！EMです^^ 今回はリッジ回帰について取り上げたいと思います。 リッジ回帰とは、大きな係数を防ぐために正則化を実装します。 リッジ回帰のコスト関数は次のとおりです。 また変な記号がでてきましたね。 λ（Lambda）というのは正則化の項です。 …
こんにちは！EMです^^ 昨日IT会社でマネージャーをしていたという人と話をする機会がありまして 色んなIT組織のリアルな事情を伺う事が出来ました。 中でもその人がいた会社は、IT分野に関するバックグラウンドがあっても ほとんどの人が実務に関する業務内…
こんにちは！EMです^^ 今回は回帰分析に役立つ豆知識について、紹介していきたいと思います。 Multiple linear regression 前回まで、モデルを構築するために1つの独立変数のみ扱った例をみてきました。 しかし、正しく組み合わせると従属変数を予測できる機…
こんにちは！EMです^^ 今日も回帰分析シリーズを解説していきたいと思います！ Machine Learning with Scikit-Learn 現在、私たちはとっても恵まれた環境の中におります。 なんと前回話した最急降下法、アルゴリズムごとに初めからコーディングする 必要はな…
