目次
Pythonでプログラミングして理解する機械学習アルゴリズム
- 神野健哉(著)
- 1章 データに基づいた解析・機械学習とは
- 1.1 機械学習とは
- 1.2 機械学習の種類
- 1.3 機械学習の実装
- 2章 データの標準化・主成分分析
- 2.1 標準化
- 2.2 データの関係性
- 2.3 Pythonによる計算、データの可視化
- 2.4 主成分分析
- 2.5 scikit‐learnによる主成分分析
- 3章 線形回帰
- 3.1 回帰とは
- 3.2 線形回帰(単回帰)
- 3.3 多項式回帰
- 3.4 Pythonによる実装
- 4章 過剰適合
- 4.1 過剰適合と交差検証
- 4.2 正則化
- 5章 最尤推定法
- 5.1 最尤推定法
- 5.2 MAP推定法
- 6章 カーネル法
- 6.1 一般関数の線形和
- 6.2 ガウス関数による近似
- 6.3 カーネル関数
- 6.4 正則化
- 7章 線形判別
- 7.1 分類問題
- 7.2 線形分離
- 7.3 Fisherの線形判別分析法
- 8章 サポートベクターマシン
- 8.1 ハードマージンSVM
- 8.2 ソフトマージンSVM
- 8.3 scikit‐learnによるSVMの実装
- 8.4 カーネルSVM
- 9章 パーセプトロンとロジスティック回帰
- 9.1 パーセプトロン
- 9.2 ロジスティック回帰
- 10章 多層ニューラルネットワーク
- 10.1 多層ニューラルネットワーク
- 10.2 誤差逆伝播法
- 10.3 多層ニューラルネットワークの実装
- 11章 深層学習
- 11.1 勾配消失
- 11.2 ReLU関数
- 11.3 scikit‐learnによる多層ニューラルネットワークの実装
- 12章 畳み込みニューラルネットワーク
- 12.1 畳み込みニューラルネットワーク(CNN)
- 12.2 TensorFlowによる多層ニューラルネットワークの実装
- 12.3 TensorFlowによるCNNの実装
- A Google Colaboratory
- A.1 Google Colaboratory
- A.2 Google Colaboratoryの始め方
- A.3 Google Colaboratoryの環境
- A.4 Google Colaboratoryの制約
- B Python入門
- B.1 条件分岐と繰り返し
- B.2 データ型
- B.3 データ構造
- B.4 NumPy ndarray
プログラミング言語 ランキング
プログラミング言語のランキングをご紹介しますプログラミング言語 ランキング一覧を見る
前へ戻る
-
1位
-
2位
-
3位
-
4位
-
5位
-
6位
-
7位
-
8位
次に進む