Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
コース概要
1. 最近傍を使用した分類について理解する
- kNN アルゴリズム
- 距離の計算
- 適切な k の選択
- kNN で使用するデータの準備
- kNN アルゴリズムが遅延しているのはなぜですか?
2. 単純ベイズの理解
- ベイジアン手法の基本概念
- 確率
- 同時確率
- ベイズの定理による条件付き確率
- 単純なベイズ アルゴリズム
- 単純ベイズ分類
- ラプラス推定器
- 単純ベイズでの数値特徴の使用
3. デシジョンツリーを理解する
- 分割統治
- C5.0 デシジョン ツリー アルゴリズム
- 最適な分割の選択
- デシジョンツリーの枝刈り
4. 分類ルールを理解する
- 分離して征服する
- ワンルールアルゴリズム
- RIPPERアルゴリズム
- デシジョンツリーからのルール
5. 回帰を理解する
- 単純な線形回帰
- 通常の最小二乗推定
- 相関関係
- 多重線形回帰
6. 回帰ツリーとモデルツリーを理解する
- ツリーへの回帰の追加
7. ニューラルネットワークを理解する
- 生物学的ニューロンから人工ニューロンへ
- アクティベーション関数
- ネットワークトポロジー
- レイヤー数
- 情報の伝わる方向
- 各層のノードの数
- バックプロパゲーションを使用したニューラル ネットワークのトレーニング
8. サポートベクターマシンについて
- 超平面による分類
- 最大マージンを見つける
- 線形分離可能なデータの場合
- 非線形分離可能なデータの場合
- 非線形空間にカーネルを使用する
9. 相関ルールを理解する
- 相関ルール学習のためのアプリオリ アルゴリズム
- ルールへの関心の測定 - サポートと信頼
- アプリオリ原則による一連のルールの構築
10. クラスタリングについて
- 機械学習タスクとしてのクラスタリング
- クラスタリングのための K-means アルゴリズム
- 距離を使用したクラスターの割り当てと更新
- 適切なクラスター数の選択
11. 分類のためのパフォーマンスの測定
- 分類予測データの操作
- 混同行列を詳しく見る
- 混同行列を使用してパフォーマンスを測定する
- 精度を超えたパフォーマンスのその他の尺度
- カッパの統計
- 感度と特異度
- 精度と再現率
- F値
- パフォーマンスのトレードオフを視覚化する
- ROC曲線
- 将来のパフォーマンスの予測
- ホールドアウト方式
- 相互検証
- Bootstrap サンプリング
12. パフォーマンスを向上させるためにストックモデルをチューニングする
- キャレットを使用した自動パラメータ調整
- シンプルな調整モデルの作成
- チューニングプロセスのカスタマイズ
- メタ学習によるモデルのパフォーマンスの向上
- アンサンブルを理解する
- 袋詰め
- ブースティング
- ランダムフォレスト
- ランダムフォレストのトレーニング
- ランダム フォレストのパフォーマンスの評価
13. Deep Learning
- Deep Learning の 3 つのクラス
- ディープオートエンコーダー
- 事前にトレーニングされたディープ Neural Networks
- ディープスタッキングネットワーク
14. 特定の応用分野についての議論
21 時間
お客様の声 (1)
Very flexible