Web教科書 ロジスティック回帰
ロジスティック回帰（Logistic Regression） 1. 解説 ロジスティック回帰は、名前に「回帰」とついていますが、実際には「分類問題」（特に二値分類）に使われる代表的なアルゴリズムです。ここがG検定で最も狙われやすいポイントで...
g-kentei-kei
Web教科書 Web教科書 VARモデル
VARモデル (Vector AutoRegression: ベクトル自己回帰モデル) 解説 VARモデル（ベクトル自己回帰モデル）とは、1つの変数だけでなく、複数の時系列変数を同時に扱い、お互いの影響関係（相互依存）を分析するモデルです。...
Web教科書 自己回帰モデル（AR）
自己回帰モデル (AR: Autoregressive model) 解説 自己回帰モデル（ARモデル）とは、時系列データにおいて「現在の値は、過去の自分自身の値（ラグ）によって決まる」と仮定して予測を行うモデルです。 「昨日のことは、今日...
Web教科書 AdaBoost
AdaBoost (Adaptive Boosting) 解説 AdaBoost（エイダブースト）は、1995年にYoav FreundとRobert Schapireによって提案された、ブースティング（アンサンブル学習）の代表的なアルゴリ...
Web教科書 ブースティング
ブースティング (Boosting) 解説 ブースティングとは、アンサンブル学習（複数のモデルを組み合わせる手法）の一つで、複数の「弱学習器（Weak Learner）」を「逐次的（直列）」に学習させ、前のモデルの失敗を次のモデルが修正して...
Web教科書 ランダムフォレスト
ランダムフォレスト (Random Forest) 解説 ランダムフォレストは、複数の「決定木」を組み合わせる（アンサンブル学習）ことで、単体の決定木よりも高い精度と汎化性能を実現する機械学習アルゴリズムです。 最強のバギング手法 ランダム...
Web教科書 ブートストラップサンプリング
ブートストラップサンプリング (Bootstrap Sampling) 解説 ブートストラップサンプリングとは、統計学や機械学習において、元のデータセット（サイズN）から、「重複を許して（復元抽出）」ランダムにN個のデータを抽出して新しいデ...
Web教科書 バギング
バギング（Bagging） 1. 解説 バギング（Bagging）は、正式名称を「Bootstrap aggregating」と言い、その名の通り「ブートストラップサンプリング」と「アグリゲーティング（集約）」を組み合わせたアンサンブル学習...
Web教科書 アンサンブル学習
アンサンブル学習（Ensemble Learning） 1. 解説 アンサンブル学習とは、複数のモデル（学習器）を組み合わせて、単一のモデルよりも高い精度や汎化性能（未知のデータへの対応力）を得ようとする手法のことです。 ことわざの「三人寄...
Web教科書 多クラス分類
多クラス分類（Multi-class Classification） 1. 解説 多クラス分類とは、データを「AかBか」の2つではなく、3つ以上のクラス（カテゴリ）に分類するタスクのことです。 例えば、「手書き数字（0〜9の10通り）の認識...