インタラクティブな可視化で学ぶ機械学習
本サイトは講義「機械学習 / 機械学習Ⅱ」の参考資料です。 機械学習の基礎的な手法を、インタラクティブな可視化を通じて直感的に学ぶことができます。
1つの説明変数から目的変数を予測する基本的な回帰
複数の説明変数から目的変数を予測する回帰
非線形な関係を多項式で表現する回帰
L2正則化により過学習を抑える回帰
L1正則化により特徴量選択を行う回帰
L1とL2を組み合わせた正則化回帰
分類問題に使われる線形分類モデル
最も近い k 個のデータから予測する手法
マージン最大化による分類手法
確率にもとづく分類と決定境界を体験
条件で区切っていく木構造の分類アルゴリズム
複数の決定木によるアンサンブル学習
残差を修正する木を順に足すアンサンブル学習
分類モデルの性能をしきい値依存性から評価する手法
データを自動的にグループ分けする基本手法
分散最大の方向を見つけて次元削減する手法
デンドログラムで階層構造を持つクラスタリング
密度ベースで非凸形状やノイズに強いクラスタリング
EM アルゴリズムによる確率的クラスタリング
基本的なニューラルネットワークの仕組み（発展）
特徴量の尺度を揃える前処理の効果を体験
信頼できる性能評価とパラメータ選びの方法
空欄をどう埋めるかで結果が変わる
文字カテゴリを数値に変換する2つの方式
しきい値で使う特徴量を絞り込む
画像を数値の集まりとして理解する第一歩
ヒストグラムから画像を白黒に二値化する
平滑化やシャープ化などの基本的なフィルタ処理
画像のエッジ（輪郭）を検出する手法
画像の特徴点（コーナー）を検出する手法
物体検出に使われる特徴量の仕組み
手書きの数字を描くと、学習済みモデルがその場で分類する
畳み込みとプーリングで画像の特徴を取り出す仕組み
正規表現で不要な情報を取り除く前処理
日本語の文を単語に分割する仕組み
単語の出現回数で文書をベクトルにする手法
単語の重要度を考慮したベクトル化手法
ナイーブベイズによる感情分析
単語の意味を密なベクトルで表現する手法
ベクトルの角度で文書の近さを測る
次の単語の確率分布からテキストを生成
Transformer の中核となる注意機構の仕組み