May 2018
Intermediate to advanced
556 pages
13h 21m
Japanese
book
Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習
by Jake VanderPlas, 菊池 彰
Content preview from Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
5.2
scikit-learn
の紹介
349
特徴行列（
X
） 目的配列（
y
）
図5-13 scikit-learnのデータ構造
このデータを適切な形式にフォーマットすれば、
scikit-learn
の推定器
API
が使えます。
5.2.2
scikit-learn
の推定器
API
scikit-learn API
は、
scikit-learn API
の論文（
http://arxiv.org/abs/1309.0238
）で概説されているよ
うに、以下の原則に基づき設計されています。
一貫性
すべてのオブジェクトは限定されたメソッドからなる共通のインターフェースを持ち、一
貫した形式で文書化される。
検査可能性
指定されたすべてのパラメータは、パブリック属性として公開される。
限定されたオブジェクト階層
アルゴリズムだけが
Python
クラスとして表現され、データセットは標準フォーマット
（
NumPy
配列、
pandas
DataFrame
、
SciPy
疎行列）で表される。また、ハイパーパラメータ
の名前と値は、標準の
Python
文字列を使用する。
合成
多くの機械学習アルゴリズムは、基本的なアルゴリズムの組み合わせで表現できるため、
可能な限り既存のアルゴリズムの組み合わせで実装を行う。
適切なデフォルト
モデルがユーザ指定のパラメータを必要とする場合、適切なデフォルト値を定義する。
350
5
章 機械学習
実際に基本原則を理解することで、
scikit-learn
の使いやすさは向上します。
scikit-learn
の各機械
学習アルゴリズムは、幅広い機械学習アプリケーションに一貫したインターフェースを提供する推 ...