Pythonによるアンサンブル学習の基礎と応用

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、アンサンブル学習とよばれるデータサイエンスの手法について取り上げ、バギング、ランダムフォレスト、ブースティングの基本的な考え方からPythonによる実装例までやさしく解説いたします。

日時

開催予定

プログラム

本講演では、アンサンブル学習とよばれるデータサイエンスの手法について学びます。アンサンブル学習とは比較的簡単な機械学習モデルを多数組み合わせることで、高い予測精度を達成する方法です。  講演ではまずデータサイエンスの基礎から始め、次に機械学習において広く使われている決定木について紹介します。その後、決定木の性能を向上させるためのアンサンブル学習法について解説します。アンサンブル学習には多くの種類がありますが、バギング、ランダムフォレスト、ブースティングといった代表的な手法について、基本的な考え方から説明します。それぞれの手法について、プログラミング言語Pythonによる簡単な実装例を初歩から学んでいきます。

  1. 機械学習の紹介
    1. 応用例
    2. 統計的データ解析とランダム性
    3. 問題設定
    4. 機械学習とPython
    5. Jupyter Notebook
    6. 機械学習のためのライブラリ
  2. データサイエンスの問題設定
    1. 母集団とデータ・サンプリング
    2. 学習と予測
  3. 決定木
    1. 決定木とは
    2. 決定木の学習
    3. 予測性能の評価・データへの過剰適合
    4. 決定木のためのモデル選択
  4. アンサンブル学習
    1. アンサンブル学習の考え方
    2. さまざまなアンサンブル学習法
  5. バギング
    1. ブートストラップ
    2. ブートストラップによるアンサンブル:判別分析
    3. ブートストラップによるアンサンブル:回帰分析
    4. コードと例
  6. ランダムフォレスト
    1. ランダムフォレストの学習法
    2. ランダムフォレストによる特徴量評価
    3. コードと例
  7. ブースティング
    1. ブースティングの考え方
    2. 決定木に対する勾配ブースティング
    3. 勾配ブースティング:回帰分析の場合
    4. 勾配ブースティング:多値判別の場合
    5. 回帰木による勾配方向の推定
    6. 勾配ブースティングのアルゴリズム
    7. 二値判別のためのブースティング法
    8. コードと例

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信セミナーについて