scikit-learnのアルゴリズムチートマップで紹介されている手法を、全て実装・解説してみました。

●scikit-learnのアルゴリズムマップ

本ページでは目次を紹介します。

クラス分類・教師あり学習

・Windows PCでPythonおよびscikit-learnを使用する環境の構築

および学習データが多いときの線形クラス分類

・学習データが多いときの非線形クラス分類

・線形クラス分類

・非線形クラス分類

・自然言語、テキストデータのクラス分類

・ハイパーパラメータの設定方法

クラスタリング・教師なし学習

・線形なクラスタリング（カテゴリ数が既知）

・非線形クラスタリング（カテゴリ数が既知）

・クラスタリング（カテゴリ数が未知）

回帰分析（目的変数が連続値）

・通常の回帰分析

・説明変数xの一部の次元が重要な場合の回帰分析

・説明変数xの全次元が重要な場合の回帰分析

・非線形な回帰分析

データの次元圧縮

・通常の次元圧縮

・非線形な構造を持つデータの次元圧縮

・非線形な構造を持つデータの次元圧縮（多様体を利用）

・非線形な構造を持つデータの次元圧縮（多様体を利用）

・非線形な構造を持つデータの次元圧縮（多様体を利用）

以上となります。

ご一読いただき、ありがとうございました。

お時間ございましたら、最近書いた新しい記事も合わせてご覧ください。

最近普及し始めた「遺伝子検査」で、自分が癌やアルツハイマー病に、どれくらいなりやすいのか、家で検査してみた体験談をまとめてみました。