scikit-learn チュートリアル

scikit-learn は Python の機械学習に対する体系的なアプローチを提供します。私たちのチュートリアルは、さまざまな ML アルゴリズム、モデル選択、評価技術をカバーしており、初心者から中級のデータサイエンティストに適しています。無料のラボと実践的なコード例を通じて、ML モデルを構築する実践的な経験を得ることができます。私たちのデータサイエンスプレイグラウンドでは、scikit-learn の機能やデータセットをリアルタイムで試すことができます。

Scikit-learn クロスバリデーション

Scikit-learn クロスバリデーション

この実験では、scikit-learn を使用してクロスバリデーションを実行し、機械学習モデルのパフォーマンスをより堅牢に評価する方法を学びます。

Scikit-learn データ読み込みと探索

Scikit-learn データ読み込みと探索

この実験では、古典的な Iris データセットを使用して、scikit-learn でデータセットを読み込み、探索するための基本を学びます。データのアクセス、ターゲット、特徴量の名前の練習を行い、簡単な可視化を実行します。

Scikit-learn データ前処理

Scikit-learn データ前処理

この実験では、古典的な Iris データセットを使用して、scikit-learn における基本的なデータ前処理技術（StandardScaler による特徴量スケーリングや LabelEncoder によるターゲットエンコーディングなど）を学びます。

Scikit-learn のインストールとセットアップ

Scikit-learn のインストールとセットアップ

この実験では、scikit-learn のインストールを確認し、必要なモジュールをインポートし、Python で機械学習を開始するためのサンプルデータセットをロードする方法を学びます。

Scikit-learn KNN 分類

Scikit-learn KNN 分類

この実験では、scikit-learn を使用して K 近傍法 (KNN) 分類器を構築し、Iris データセットで訓練し、新しいデータに対して予測を行う方法を学びます。

Scikit-learn 線形回帰

Scikit-learn 線形回帰

この実験では、scikit-learn を使用してカリフォルニアの住宅価格を予測する簡単な線形回帰モデルの構築方法を学びます。

Scikit-learn モデル評価

Scikit-learn モデル評価

この実験では、精度（accuracy）、混同行列（confusion matrix）、適合率（precision）、再現率（recall）、F1 スコア（F1 score）など、さまざまな指標を使用して scikit-learn 分類モデルを評価する方法を学びます。

SVM を使ったアイリスの分類

SVM を使ったアイリスの分類

このプロジェクトでは、サポートベクトル分類器（SVC）モデルを使ってアイリスデータセットを分類する方法を学びます。アイリスデータセットは、代表的な機械学習用データセットで、アイリスの種類に関する情報が含まれており、花弁の長さ、花弁の幅、花被片の長さ、花被片の幅などがあります。

Pythonscikit-learn

Scikit-learn 面接の質問と回答

Scikit-learn 面接の質問と回答

主要な概念、アルゴリズム、モデル評価、および実践的なアプリケーションを網羅したこの包括的なガイドで、Sklearn の面接に備えましょう。