機械学習

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。

この記事は初学者の方でもわかりやすいようにSVMを解説しています。具体的には「SVMとは？」、「SVMのアルゴリズム」、「Pythonでの実装」について解説しています。

この記事はCSVを入力するだけで主成分分析が実行できるコードの説明をしています。具体的には「PCAとは？」、「実装コードの仕組み」、「実装コードとその説明」について解説しています。

この記事は主成分分析（PCA）について解説した記事になります。具体的に「主成分分析とは？」、「主成分分析のアルゴリズム」、「Pythonでの実行方法」、「オススメ書籍」について説明した記事になります。

この記事はデータサイエンス・データ分析の参考書3選について紹介しています。具体的には「Python2年生　データ分析の仕組み」、「Pythonによるデータ分析の教科書」、「Python 実践データ分析100本ノック」について紹介しています。