機械学習

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。
Python

【Python覚書】LightGBMで交差検証を実装してみる

LigthGBMで多値分類問題を解いてみます。性能指標には、multi_Loglossを使用します。交差検証(クロスバリデーション)を行うことで、モデルの性能が向上することを確認します。
Python

【Python覚書】LigthGBMで多値分類問題を解いてみる

LightGBM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。
タイトルとURLをコピーしました