機械学習ポケットリファレンス

インデックス

A

• 分類の精度、 正確さ
• アダプティブ・シンセティック（ADASYN）、マイノリティ・データを生成する
• 凝集型（階層）クラスタリング,凝集型（階層）クラスタリング-凝集型（階層）クラスタリング
• Anaconda、パッケージのインストール、Condaでのインストール
• 曲線下面積（AUC）、ROC曲線、ROC

B

• バギング,ランダムフォレスト
• ベースラインモデル,ベースラインモデル
• ベースライン回帰モデル,ベースラインモデル
• ベイズエンコーダ、その他のカテゴリーエンコーディング
• バイアス、学習曲線、樹木の解釈
• バイナリ分類器
  • と混乱マトリックス、混乱マトリックス-混乱マトリックス
  • と判別しきい値、判別しきい値
  • 累積利益プロット,累積利益プロット-累積利益プロット
  • 可能な分類結果、コンフュージョンマトリックス
  • ツリー・インタープリテーション,ツリー・インタープリテーション
• バイプロット、PCA
• ブラックボックス・モデル
  • ライムとライム ライム
  • シャップ、 シャプレー
• ボケ、PCA
• 箱ひげ図,箱ひげ図とバイオリンプロット

C

• Calinski-Harabasz Index,K-Means
• CART（分類と回帰の木）アルゴリズム、決定木
• カテゴリーエンコーディング,その他のカテゴリーエンコーディング
• カテゴリー, 文字列から引っ張る,文字列からカテゴリーを引っ張る-PullingCategories from Strings
• クラス・バランス,クラス・バランス
• クラス予測エラー,クラス予測エラー
• 分類
  • 様々な家族のためのアルゴリズム・ファミリー
  • 予測モデルを作成するために質問をする,質問する
  • ベースラインモデル,ベースラインモデル
  • データのクリーニング,クリーンデータ-クリーンデータ
  • 混乱 マトリックス
  • 決定木,決定木-決定木
  • 評価（分類評価を参照）
  • フィーチャー作成,フィーチャー作成-フィーチャー 作成
  • データ収集,データ収集
  • LightGBMによるグラデーション・ブースト,LightGBMによるグラデーション・ブースト-LightGBMによるグラデーション・ブースト
  • 不均衡クラス（不均衡クラス参照）
  • 輸入,輸入
  • データのインプット,インプット・データ
  • K-最近傍,K-最近傍-K-最近傍近傍
  • 学習曲線,学習曲線
  • ロジスティック回帰,ロジスティック回帰-ロジスティック回帰
  • モデル作成,モデル作成
  • モデルのデプロイ,モデルのデプロイ
  • モデル評価,モデルを評価する
  • モデルの最適化,モデルの最適化
  • モデル、分類 -TPOT
  • ナイーブ・ベイズ分類器,ナイーブ・ベイズ-ナイーブ・ベイズ
  • データの正規化,データの正規化
  • 分類パイプライン, 分類パイプライン-分類パイプライン
  • プロジェクト・レイアウトの提案,プロジェクト・レイアウトの提案
  • ランダムフォレスト,ランダムフォレスト-ランダムフォレスト
  • コードのリファクタリング,Refactor
  • ROC曲線,ROC曲線
  • サンプリングデータ,サンプルデータ
  • シャップ、 シャプレー
  • スタッキング,スタッキング
  • サポートベクターマシン,サポートベクターマシン-サポートベクターマシン
  • データに関する用語,データに関する用語
  • tpot、tpot -tpot
  • Titanicデータセットによるウォークスルー,Classification Walkthrough：Titanicデータセット-モデルの デプロイ
  • XGBoost、XGBoost-XGBoost
• 分類と回帰の木（CART）アルゴリズム、決定木
• 分類評価,メトリックと分類評価-識別しきい値
  • 精度,精度
  • クラスバランス,クラスバランス
  • クラス予測エラー,クラス予測エラー
  • 分類報告書,分類報告書
  • 混同行列,混同行列-混同 ...