化学とインフォマティクスと時々雑記

Elastic Net回帰をLasso・Ridgeとの違いからわかりやすく解説。数式による理論的理解、3手法の使い分け、Python実装例まで体系的にまとめました。正則化を利用した回帰分析をさらに深く理解したい方に最適な解説記事です。

k近傍法（k-NN）の仕組みやアルゴリズム、メリット・デメリットを初心者向けにわかりやすく解説。Pythonによる実装例では異方性クラスタを用いて分類境界を可視化し、kの値による違いまで直感的に理解できます。

k-means法を初学者向けにわかりやすく解説。アルゴリズムの考え方から、2次元データを用いたPython実装、重心更新の可視化まで丁寧に紹介します

勾配ブースティング木（GBDT）の仕組みを、損失関数・勾配降下法の考え方から丁寧に解説します。XGBoostを用いたPython実装、学習途中の挙動、特徴量重要度までを実例付きで紹介します。

分類問題の評価指標を徹底解説した記事になっています。具体的にはAccuracy・Precision・Recall・F1スコア・LogLossから、Macro F1・Micro F1・Quadratic Weighted Kappaまで、数式と直感的な解説で理解できるようになっています。

特徴量エンジニアリングの手法について解説した記事になります。具体的にはlog変換や平方根変換、特徴量選択、新しい特徴量の生成、PCAなど次元削減まで、モデル性能を引き出す代表的な手法を初心者向けにわかりやすく解説します。

機械学習におけるデータ前処理の基礎を解説。欠損値処理、カテゴリ変数の変換、スケーリング（標準化・正規化・RobustScaler・組み合わせ）の方法を実装例付きでわかりやすく紹介。

Python入門から機械学習アルゴリズム実装までを3段階で解説。初学者が挫折せず学べる書籍・オンライン講座を徹底紹介します。

ハイパーパラメータの役割や調整方法を基礎から解説。グリッドサーチ・ランダムサーチ・ベイズ最適化の違いや使い分け、Pythonでの実装までを詳しく紹介します。

回帰モデルの評価指標（MSE, MAE, RMSE, R², Adjusted R²）を初心者にもわかりやすく解説。数式・特徴・使い分け・Python実装例まで網羅した完全ガイド！