データ分析

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

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！

機械学習の回帰モデルを徹底比較！重回帰・Lasso・Ridge・ランダムフォレスト・SVR・GPRの特徴や数式、Python実装を通して、線形・非線形データへの適用例まで解説します。初心者〜実務者まで必見です。

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。