目次
機械学習の枠組みを理解する―NumPyからパイプラインまで
モデル構築前のワークフローと前処理―サンプルデータの作成から確率的勾配降下法まで
次元削減―PCAから性能テストまで
線形モデル―線形回帰からLARSまで
ロジスティック回帰―データの読み込みからパイプラインまで
距離指標を使ったモデルの構築―k‐means法からk近傍法まで
交差検証とモデル構築後のワークフロー―モデルの選択から永続化まで
サポートベクトルマシン―線形SVMからサポートベクトル回帰まで
決定木アルゴリズムとアンサンブル学習
テキスト分類と多クラス分類
ニューラルネットワーク
単純な推定器の作成