Cette fois, ce sera le cœur de l'apprentissage automatique Je publierai sur scikit-learn.

Présentation de scikit-learn

Lisez comme Cykit Learn. Bibliothèque d'apprentissage automatique Python.

Cheet sheet

À propos de l'analyse (classification, régression, etc.) que vous souhaitez effectuer Une feuille de triche qui vous permet de sélectionner facilement un modèle.

Classification

Déterminez à quelle classe il appartient.

SGD（stochastic gradient descent） Pour plus de 100 000 données Méthode de classification linéaire

Approximation du noyau

Pour plus de 100 000 données Si SGD ne fonctionne pas Méthode de classification non linéaire

Linear SVC Pour moins de 100 000 Méthode de classification linéaire

méthode de voisinage k

Pour moins de 100 000 Si le SVC linéaire ne fonctionne pas Il s'agit d'une méthode de classification non linéaire.

Baies naïves

Pour les données textuelles

Régression

Prédiction de la valeur cible

SGD（stochastic gradient descent） Pour plus de 100 000 données Méthode d'analyse de régression linéaire

LASSO、ElasticNet Pour moins de 100 000 Lorsque certaines des variables explicatives sont importantes Méthode d'analyse régressive

Ridge、Liner SVR Pour moins de 100 000 Quand toutes les variables explicatives sont importantes Méthode d'analyse régressive

SVR (noyau gaussien), Ensemble

Si Ridge ou Liner SVR ne fonctionne pas Méthode d'analyse par régression non linéaire

Clustering

Choses à diviser selon certaines règles

KMeans Quand il est possible de décider à l'avance du nombre de clusters à diviser en Méthode d'analyse de clustering

MiniBatch Pour plus de 100 000 données Méthode pour apprendre tout en divisant les données

Regroupement spectral, GMM

Si KMeans ne fonctionne pas Méthode d'analyse par clustering non linéaire.

MeanShift、VBGMM Lorsqu'il n'est pas possible de décider à l'avance du nombre de clusters à diviser C'est une méthode d'analyse de clustering.

Autre

Réduction de dimension

Dans le processus de prétraitement Nous le ferons pour améliorer l'efficacité de l'apprentissage

PCA, PCA du noyau, Isomap, intégration spectrale, etc.

Optimisation des hyper paramètres

Les valeurs d'ajustement telles que les méthodes d'apprentissage sont appelées "hyper paramètres".

Il existe des méthodes telles que la recherche de grille et la validation croisée.

python: principes de base de l'utilisation de scikit-learn ①