Movatterモバイル変換

misshiki id:misshiki

scikit-learnと人工知能に関するmisshikiのブックマーク (2)

「ロジスティック回帰」による分類をPythonで学ぼう
「知識ゼロから学べる」をモットーにした機械学習入門連載の第5回。いよいよ今回から、「Yes／No」や「スパムかどうか」といった“分類”予測を扱います。これを実現する代表的な手法が「ロジスティック回帰」です。図を使って仕組みや考え方をやさしく学び、Pythonとscikit-learnでの実装も体験します。初めての人でも安心して取り組める内容です。連載目次「この商品は売れるか／どうか？」「この顧客はサービスを解約しそうか／どうか？」―― こうしたYes／Noの判断（＝分類）をデータから予測したい場面は、ビジネスや日常でたくさんありますよね？　今回は、このような際に役立つ、機械学習の代表的な手法であるロジスティック回帰による“分類”について学んでいきましょう。具体的には、ロジスティック回帰の概要から、その仕組み、そしてPythonプログラミングによるモデルの実装と評価まで取り組み、“分類
misshiki2025/06/18
“入力データと出力結果の関係を「S字型の曲線」（＝ロジスティック関数）でモデル化する手法。一方、線形回帰モデルでは、「曲線」ではなく「直線」で関係を表現していた。この違いが特に重要なポイント。”
人工知能
Python
機械学習
scikit-learn
リンク
Machine Learning for a Better Developer Experience
Stanislav Kirdey, William High Imagine having togo through 2.5GB (not often, but does happen time to time)log entries from a failed softwarebuild — 3 millionlines — to search for a bug or a regression that happened online 1M.It’s probably not even doable manually! However, one smart approach to makeit tractable might be to diff thelines against a recent successfulbuild, with the hope that
misshiki2020/07/22
バグ検索の事例“機械学習からのk最近傍クラスタリングを使用したファジー差分...では、約4万の候補...。私たちのソリューションは、20分のコンピューティングで2万行の候補を生成。...約100行のPythonコード。”
人工知能
TensorFlow
scikit-learn
ディープラーニング
機械学習
リンク
1