機械学習

この記事は次元削減法であるPCA, t-SNE, UMAPをまとめた記事になります。具体的には「次元削減法とは？」、「主な次元削減手法」、「各手法のアルゴリズム」、「Pythonで実行」について説明しています。

この記事はUMAPについてわかりやすく解説した記事になります。具体的には「UMAPとは？」、「なぜUMAPが必要なのか」、「UMAPのアルゴリズム」、「Pythonで実行」について詳細に解説しています。

この記事は次元削減法であるt-SNEについて解説した記事です。具体的には「t-SNEとは？」、「t-SNEが必要な理由」、「t-SNEのアルゴリズム」、「Pythonで実行」について解説しています。

この記事はSVRを実行するPythonコードについてまとめた記事です。具体的には「SVRとは」、「コード実行の流れ」、「実装コードと解説」について説明しています。

サポートベクター回帰（SVR）についてわかりやすく解説した記事になります。具体的には「サポートベクター回帰（SVR）とは？」、「サポートベクター回帰（SVR）のアルゴリズム」、「Pythonにて実行」、「非線形問題への拡張」

この記事は機械学習モデルの解釈手法とその比較についてまとめた記事です。具体的には「機械学習モデルの解釈手法」、「PFI」、「PD」、「ICE」、「SHAP」、「参考書籍」について解説しています。

この記事は機械学習モデルにおける特徴量と予測値の関係を捉える手法としてICEについて説明した記事になります。具体的には「特徴量と予測値の関係」、「ICEとは」、「ICEとPDの違い」、「ICEとPDの実行」、「因果関係としての解釈」、「参考書籍」について解説しています。

この記事は機械学習モデルの予測を解釈する手法としてSHAPについてまとめた記事です。具体的には「機械学習の予測の理由」、「Shapley値について」、「SHAPの実行」、「SHAPで様々な可視化を実行」、「参考書籍」について解説しています。

この記事はPD(Partial Dependence)による特徴量と目的変数の関係について解説した記事になります。具体的に「特徴量と予測値の関係」、「PDとは？」、「因果関係としての解釈」、「参考書籍」についてまとめています。

この記事はPFIによる機械学習の解釈についてまとめた記事になります。具体的には「特徴量重要度と機械学習モデルの解釈」、「PFI」、「GPFI」、「特徴量重要度と因果関係」、「参考書籍」についてまとめています。