機械学習– tag –
-
Pytorch – GPU と対応するドライバー、CUDA、CuDNN のバージョン
使用している Nvdia GPU に対応した Driver、CUDA、CuDNN のバージョンの選び方について解説します。 2024/8/1 情報更新 -
回帰モデルの評価指標まとめ – MSE、MSLE、MAE、決定係数など
回帰モデルを評価するときに使用する評価指標をまとめました。 -
機械学習 – 混同行列、真陽性、真陰性、偽陽性、偽陰性について
クラス分類モデルを評価するときに使用する混同行列、真陽性 (TP)、真陰性 (TN)、偽陽性 (FP)、偽陰性 (FN) について解説します。 -
機械学習 – 精度、適合率、再現率、F値について
精度 (Accuracy)、適合率 (Precision)、再現率 (Recall)、F値 (F-Measure) について解説します。 -
機械学習 – 特徴量のスケーリングについて
scikit-learn を使った特徴量のスケーリング方法について解説します。 -
機械学習 – 最大事後確率 (MAP) 識別規則
識別規則の1つである最大事後確率規則について解説します。 -
機械学習 – 棄却オプション
決定理論における棄却オプションについて解説します。 -
機械学習 – 情報理論 自己情報量、エントロピーについて
情報理論について解説します。 -
PRML – 「1.1 多項式曲線フィッティング」の Python 実装
「パターン認識と機械学習 上 (PRML)」 の「1.1 例: 多項式曲線フィッティング」に記載されている内容を Python で再現したコードになります。 書籍に記載されている説明は省略しているので、PRML と合わせて読むことが前提の記事です。 -
機械学習 – カテゴリ変数を整数や one-hot 表現に変数する方法
カテゴリ変数を数値に変換する方法として、順序エンコーディング (Ordinal Encoding) とワンホットエンコーディング (One-hot Encoding) を解説します。 -
統計学 – Python で学ぶ 最尤推定法
最尤推定 (Maximum Likelihood Estimation / MLE) について、Python で動かしながら理解することを目的とした記事になります。 -
統計学 – 全確率の定理、ベイズの定理
全確率の定理、ベイズの定理について解説します。
