【Pythonデータサイエンス超入門2-3】機械学習の基本〜教師あり学習編〜【YouTube】

動画で学べるPythonによるデータサイエンスの基礎シリーズ、6本目です。ついにAI開発に欠かせない技術、機械あり学習を扱います。

動画

アジェンダ

時間 内容
0:00 イントロダクション
2:39 機械学習/教師あり学習とは?
6:43 回帰問題と分類問題
13:54 扱う機械学習モデルの紹介
14:48 ├ 決定木分析
18:08 ├ SVM
21:18 ├ ランダムフォレスト
24:01 └ 勾配ブースティング
25:39 分析モデルの比較・選び方
29:08 精度の測り方〜回帰問題〜
33:07 精度の測り方〜分類問題〜
46:05 良いモデルとは?〜過学習について〜
54:41 Pythonによる実装
55:08 ├ ライブラリ&データの準備
1:07:33 ├ 分類問題+決定木分析:モデルの構築
1:10:45 ├ 分類問題+決定木分析:精度検証&パラメータ調整
1:23:00 ├ 分類問題+決定木分析:決定木の可視化
1:29:56 ├ 分類問題+決定木分析:未来予測
1:36:35 ├ 分類問題+SVM
1:38:56 ├ 分類問題+ランダムフォレスト
1:43:01 ├ 分類問題+勾配ブースティング
1:47:59 └ 回帰問題
1:58:07 クロージング

シリーズ一覧

ローデータのダウンロード

rawdata.zip

ソースコード

ライブラリ・データの準備

ライブラリの読み込み

分類問題用データ

回帰問題用データ

機械学習モデルの構築

決定木分析(分類)

決定木分析(回帰)

SVM(分類)

SVM(回帰)

ランダムフォレスト(分類)

ランダムフォレスト(回帰)

勾配ブースティング(分類)

勾配ブースティング(回帰)

モデルの評価

分類問題

回帰問題

モデルの可視化

決定木

Feature Importance

予測

分類問題

回帰問題