最も単純な機械学習アルゴリズムの1つであるK最近傍法をご覧ください。 このアルゴリズムは、 分類 そして 回帰。 どちらの用途でも、入力は特徴空間で最も近いk個のトレーニング例で構成されます。 一方、出力はケースによって異なります。 K最近傍分類では、出力はクラスメンバーシップです。 K最近傍回帰では、出力はオブジェクトのプロパティ値です。 K最近傍法は実装が簡単で、複雑な分類タスクが可能です。 関連コース： Python機械学習コース knnk最近傍それはと呼ばれます 怠惰 特別なトレーニングフェーズがないため、学習アルゴリズム。…

デシジョンツリーは、最も人気のある教師あり機械学習アルゴリズムの1つです。 観察から結論に至る予測モデルです。 観察は枝で表され、結論は葉で表されます。 モデルに離散値のセットを取ることができるターゲット変数がある場合、は分類ツリーです。 モデルに連続値をとることができるターゲット変数がある場合、は回帰ツリーです。 関連コース： Python機械学習コース デシジョンツリーは、統計やデータマイニングでも一般的です。 シンプルですが便利な機械学習構造です。 デシジョンツリー前書きデシジョンツリーを理解する方法は？ バイナリの例を設定しましょう！ コンピュータサイエンスでは、木は上から下に逆さまに成長します。 一番上の項目はルートノードと呼ばれる質問です。 本物の木と同じように、すべてはそこから始まります。 その質問には2つの可能な回答があるため、回答は（この場合）ツリーから出ている2つのブランチノードです。…

多項式回帰は非常に便利です。 XとYの間には、常に線形関係があるとは限りません。関係が指数関数的またはN次である場合があります。 関連コース： Python機械学習コース 回帰多項式回帰XとYの間の多項式関係をプロットできます。線形関係がない場合は、多項式が必要になる場合があります。 線形関係とは異なり、多項式はデータによりよく適合します。 この多項式行は、1行のコードで作成します。 1poly_fit = np.poly1d(np.polyfit(X,Y, 2))これにより、アルゴリズムがトレーニングされ、2次多項式が使用されます。トレーニング後、新しい例を使用してpolyfitを呼び出すことで値を予測できます。 その後、連続値を出力します。 例以下の例では、収集されたデータの上に多項式線をプロットします。 アルゴリズムをトレーニングしてから、連続値の予測を行います。 1234567891011121314151617181920212223import…

線形回帰アルゴリズムは、連続値（価格、温度など）を予測します。これは、初心者向けの機械学習アルゴリズムシリーズの別の記事です。これは教師あり学習アルゴリズムであり、機能させるにはトレーニングデータを収集する必要があります。 関連コース： Python機械学習コース 線形回帰前書き分類出力は離散値のみにすることができます。 あり得る [0]、[1]、[2] エトセトラ。価格やその他の継続的な値を出力したい場合はどうなりますか？ 次に、回帰アルゴリズムを使用します。 特徴に基づいて住宅価格を予測したいとします。 データの収集は最初の一歩。 機能には、部屋の数、m ^ 2の面積、近隣の品質などがあります。 例機能を書き留めます：＃area_m2。このようなコードの例では。 123456789101112from…

分類は機械学習タスクの1つです。 では、分類とは何ですか？これは、データを分類するために常に行うことです。 オブジェクトを見ると、マグカップ、タブ、椅子など、どのクラスに属しているかがすぐにわかります。それが分類のタスクであり、コンピューターはこれを（データに基づいて）行うことができます。 この記事は初心者向けの機械学習です。 最初の機械学習プログラムを作りましょう 関連コース： Python機械学習コース 教師あり機械学習トレーニングデータ機械学習モジュールsklearnをインポートします。 （教師あり）機械学習アルゴリズムは、例またはトレーニングデータを使用します。 トレーニングフェーズは、機械学習アルゴリズムの最初のステップです。 サンプルデータを使用しているため、最初にデータを収集します。 リンゴとオレンジの画像のセットのように、機能を書き留めます。 機能を使用して、2つのクラスを区別できます。 特徴は、色、形、重さなどのプロパティです。 数値で表現できます。…

Pythonで機械学習プロジェクトを開始するには、データを適切に読み込むことができる必要があります。 Pythonの初心者の方は、この記事で3つの異なる手法を使用して機械学習データを読み込む方法を学ぶことができます。 関連コース： Python機械学習コース 機械学習データの読み込み詳細に進む前に、CSVまたはコンマ区切りの値が、機械学習データが表示される最も一般的に使用される形式であることを知っておく必要があります。 機械学習データのCSVファイルには、理解する必要のある部分と機能があります。 これらには以下が含まれます： CSVファイルヘッダー：CSVファイルのヘッダーは、データセットの各列に名前またはラベルを自動的に割り当てるために使用されます。 ファイルにヘッダーがない場合は、属性に手動で名前を付ける必要があります。 コメント：行がハッシュ記号（＃）で始まる場合、CSVファイル内のコメントを識別できます。 機械学習データを読み込むために選択した方法に応じて、これらのコメントを表示するかどうか、およびそれらを識別する方法を決定する必要があります。 デリミタ：区切り文字は、フィールド内の複数の値を区切り、コンマ（、）で示されます。 タブ（ t）は、使用できるもう1つの区切り文字ですが、明確に指定する必要があります。 引用：ファイルのフィールド値にスペースが含まれている場合、これらの値は引用符で囲まれていることが多く、これを示す記号は二重引用符です。…

機械学習にScikit-learnを使用する理由 scikit-learnについてほとんど知らないことが重要です（sklearn）議論する前に 「Pythonプログラミング言語に最適なフリーソフトウェアの機械学習ライブラリとして使用または推奨される理由。 関連コース： Python機械学習コース Scikit-LearnScikit-LearnとはSсіkіt-lеаrn（sklearn）は、SсіPуのPуthоnbuіltのmоdulеを使用することができます。 それは簡単であり、データを作成するために、そしてデータを取得するために効果的です。 それはBSDと一緒に使用されるので、それは一般的なものと商用のものの両方に使用することができます。 scikit-learnを使用すると、ユーザーは、mоdеlѕеlесtіоn、クラスタリング、рrерrосеѕѕіng、mareなどのさまざまなカテゴリを作成することができます。 このモジュールは、完全なものにするための手段を提供します。 なぜScikit-learn？以下の理由で、scikit-learnをお勧めします 1.さまざまなツールで簡単に習得できます Sсіkіt-lеаrnは、多くのシンプルなものを提供します。これは、あなたが実行できるように、あなたが実行することができるのはあなただけのものであるということです。 必要なクラスタリングアルゴリズムを使用することもできますが、それを使用することもできます。。 システムに組み込まれているので、データを転送するプロセスが簡単になります。…

人工知能、特に機械学習は、開発者とプログラマーの作業を最も簡単にするために作成されました。 多くのコード行を記述する代わりに、機械学習アルゴリズムから選択してから、プログラミング言語を決定する必要があります。 それは難しいかもしれません。 関連コース： Python機械学習コース どうして？ まず、機械学習には4種類のアルゴリズムがあります。 機械学習アルゴリズム教師あり学習教師あり学習はに基づいています ラベル付きトレーニングデータ。 教師あり学習のベースは、トレーニングデータと呼ばれるデータと一連のトレーニング例です。 ラベル付きトレーニングセットには、他のオブジェクトの未知のラベルを予測する機能があります。 2つのタイプがあります： 回帰（ラベルが実数の場合） 分類（ラベルが制限されていて順序付けされていない場合）。 教師なし学習教師なし学習は、ラベルのないデータです。…

Scikitは現在、Pythonを学びたい人の間で最も話題になっている名前の1つです。 これは、機械学習の最も効果的なライブラリです。 scikitの最大の利点は、初心者が効果的だと感じることです。 関連コース： Python機械学習コース Pythonによる機械学習Scikit-learnの紹介紹介するために、ツールは以前は scikit-learnは、主にPythonコーディング言語専用の無料ツールの機械学習プラットフォームです。 このソフトウェアには、サポートベクターマシンを含む一連のアルゴリズムに加えて、さまざまな分類、回帰が付属しています。 勾配ブースティング、ランダムフォレスト、DBSCAN、k-meansもあります。 その開発の背後にある主な目的は、プログラミング番号、およびNumPyやScipyなどの技術ライブラリに沿ってデータを交換して使用することです。 上記のように、DavidCournapeauによるGoogleSummer of Codeプロジェクトは、この機械学習プラットフォームの形でscikit-learnとして導入されました。 この名前は、基本的に、製品が「SciKit」またはSciPy Toolkitであるという考えに由来しています。これは、SciPyの外部ウィングとして明確に作成され、提供されています。…

人工知能、機械学習、ディープラーニングの違いは何ですか？ 人工知能（AI）、 機械学習 そして ディープラーニング 人気のある用語です。 しかし、名前には何が含まれていますか？ これらのフレーズはすべて、データ解釈を使用して問題を解決するいくつかのテクノロジーを取り囲んでいるため、交換可能であるかのように混合されます。 これらの用語の背後にある重要な概念は非常に異なります。 これらのテクノロジーの概要は次のとおりです。 関連コース： Python機械学習コース 人工知能人工知能 複雑なタスクを実行するマシンの能力を指し、それは一般的な用語です。 多くの場合、これらはコグニティブコンピューティングが可能なアルゴリズムに基づくソフトウェアです。…