Python 【Python覚書】線形モデルで時系列データを予測してみる
気温は、昼に上がり、夜に下がる、時刻の周期性に関連をもった特徴量と言えます。
線形モデルで、そのような周期性をもった時系列データを扱う方法を解説します。
機械学習
Python 
numpy 【Python覚書】周期性をもつ特徴量を(sin, cos)で円状に配置してみる
時刻は、0時から12時まで続くと、0時に戻って1時へと続きます。
このような周期的な変動がある特徴量を、円状に配置して表現する方法を解説します。
Python 【Python覚書】LightGBM「特徴量の重要度」初期値のままではもったいない
モデルを構築する過程で、モデルの精度に寄与する特徴量を見つけることが大切です。LightGBMでは、「特徴量の重要度」が簡単に出力できます。ただ、初期値のまま使うのはもったいないので、パラメータを設定して使いましょう。
特徴選択を行...
Python 【Python覚書】ディープラーニングで多値分類を解いてみる
多層のニューラルネットワークを使って、多値分類を解いてみます。
画像や音声の分類とは別の視点で、テーブルデータを分類する強力なツールとして紹介します。
pandas 【Python覚書】LightGBMで回帰分析を解いてみる
「教師あり学習」の分野である「回帰分析」を、交差検証によるLightGBMのモデルで解いてみます。
pandas 【Python入門】pickleファイルへ保存し、読み込む方法
はじめに
オブジェクトをファイルにして保存する方法です。機械学習では、前処理済みのデータ、学習済みのモデルなどを残したいときなどに使用します。Pythonの標準ライブラリpickleではなく、Pandasを使った簡単なやり方を紹介し...
Python 【Python覚書】パラメーターチューニング：XGBoostで実装
XGBoostの「ハイパーパラメーター」を調整して、予測性能の向上させる方法を解説します。アーリーストッピングを併用したグリッドサーチとランダムサーチの実装を通じて、一連の流れが分かるようになります。
Python 【Python覚書】アンサンブル学習：XGBoost、LightGBM、CatBoostを組み合わせる（その２）
XGBoost、LightGBM、CatBoostを組み合わせたアンサンブル学習で、予測性能が向上するのか確かめてみます。多数決による予測（Voting）とスタッキングによる予測（Stacking）を実装してみます。（その１）からの続きです。
Python 【Python覚書】アンサンブル学習：XGBoost、LightGBM、CatBoostを組み合わせる（その１）
XGBoost、LightGBM、CatBoostを組み合わせたアンサンブル学習で、予測性能が向上するのか確かめてみます。多数決による予測（Voting）とスタッキングによる予測（Stacking）を実装してみます。（その２）に続きます。
Python 【Python覚書】XGBoostで多値分類問題を解いてみる
XGBoostの使い方をまとめて解説します。データセットの読込から学習過程の可視化まで、一連の作業をやってみます。