機械学習・データサイエンス勉強ノート

01目次 02k-近傍法（k-nearest neighbor）03k-平均法（k-means）04線形回帰（Linear Regression）05リッジ回帰（Ridge Regression）06Lasso回帰（Lasso Regression）07ベイズ線形回帰（Bayesian Linear Regression）08カーネルリッジ回帰（Kernel Ridge Regression）09一般化線形モデル（GLM: Generalized Linear Model）10ロジスティック回帰（Logistic Regression）11ガウス過程回帰（Gaussian Process Regression）12主成分分析（PCA: Principal Component Analysis）13確率的主成分分析（PPCA: Probabilistic PCA）14ガウス過程潜在変数モデル（GPLVM: Gaussian Process Latent Variable Model）15t-SNE（t-distributed Stochastic Neighbor Embedding）16UMAP（Uniform Manifold Approximation and Projection）17独立成分分析（ICA: Independent Component Analysis）18正準相関分析（CCA: Canonical Correlation Analysis）19線形判別分析（LDA: Linear Discriminant Analysis）20サポートベクターマシン（SVM: Support Vector Machine）21カーネルSVM（Kernel SVM）22ナイーヴベイズ（Naive Bayes）23ベイジアンネットワーク（Bayesian Network）24決定木（Decision Tree）25ランダムフォレスト（Random Forest）26低ランク行列近似（Low-rank Matrix Approximation）27低ランク行列補完（Low-rank Matrix Completion）28確率的行列分解（PMF: Probabilistic Matrix Factorization）29非負値行列分解（NMF: Non-negative Matrix Factorization）

Chapter 13

確率的主成分分析（PPCA: Probabilistic PCA）

コンテンツがありません

主成分分析（PCA: Principal Component Analysis）

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

← 終了する