機械学習・データサイエンス勉強ノート

機械学習・データサイエンス勉強ノート

Likes47無料¥0
Chapters
Chapter 01

目次

Chapter 02

k-近傍法(k-nearest neighbor)

Chapter 03

k-平均法(k-means)

Chapter 04

線形回帰(Linear Regression)

Chapter 05

リッジ回帰(Ridge Regression)

Chapter 06

Lasso回帰(Lasso Regression)

Chapter 07

ベイズ線形回帰(Bayesian Linear Regression)

Chapter 08

カーネルリッジ回帰(Kernel Ridge Regression)

Chapter 09

一般化線形モデル(GLM: Generalized Linear Model)

Chapter 10

ロジスティック回帰(Logistic Regression)

Chapter 11

ガウス過程回帰(Gaussian Process Regression)

Chapter 12

主成分分析(PCA: Principal Component Analysis)

Chapter 13

確率的主成分分析(PPCA: Probabilistic PCA)

Chapter 14

ガウス過程潜在変数モデル(GPLVM: Gaussian Process Latent Variable Model)

Chapter 15

t-SNE(t-distributed Stochastic Neighbor Embedding)

Chapter 16

UMAP(Uniform Manifold Approximation and Projection)

Chapter 17

独立成分分析(ICA: Independent Component Analysis)

Chapter 18

正準相関分析(CCA: Canonical Correlation Analysis)

Chapter 19

線形判別分析(LDA: Linear Discriminant Analysis)

Chapter 20

サポートベクターマシン(SVM: Support Vector Machine)

Chapter 21

カーネルSVM(Kernel SVM)

Chapter 22

ナイーヴベイズ(Naive Bayes)

Chapter 23

ベイジアンネットワーク(Bayesian Network)

Chapter 24

決定木(Decision Tree)

Chapter 25

ランダムフォレスト(Random Forest)

Chapter 26

低ランク行列近似(Low-rank Matrix Approximation)

Chapter 27

低ランク行列補完(Low-rank Matrix Completion)

Chapter 28

確率的行列分解(PMF: Probabilistic Matrix Factorization)

Chapter 29

非負値行列分解(NMF: Non-negative Matrix Factorization)

Author
¥0今すぐ読む
公開
本文更新
文章量
45412
価格
0