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。
scikit-learn
Python 
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覚書】パラメーターチューニング：出力の活用（Pandasの使い方）
Pandasを使って、機械学習の出力を見やすく整形する方法を解説します。numpy配列や辞書からデータフレーム作成する方法やデータフレームの結合など、一連の操作を行うことで、データ整形の流れが分かるようになります。
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。