StatsLearning Chapter 5：学習メモ

サンプル用のユーザです。

機械学習関連の学習に使えそうな本や動画を調べ、整理してみました。（なるべくFREEのものを優先しました）

* 尚、ノートの文章は一部を除きAIに書いてもらったもので、正確性はありません。
* ノートにchatGPT等AIに作ってもらった表を貼るには、「マークダウンのコードに変換して」と頼めば書き出してくれるので、ノートを「markdown」編集モードにして、コピペすれば簡単です。

view

sub

board 学習ノート（samp ... folder 学習メモの例（動画） note_LV1 Introducti ... note_LV2 StatsLearn ...

Loading ...

ノート表示（LV2）

StatsLearning Chapter 5：学習メモ LV2 2024/2/9

#### StatsLearning Chapter 5

この章では、モデル評価と改善に関する概念や手法が紹介されています。

------

1. クロスバリデーション (Cross-Validation): モデルの性能を評価するために使用される手法。データセットを複数のサブセットに分割し、それらを交差して学習と評価に使用する。

2. K-分割交差検証 (K-Fold Cross-Validation): データセットをK個のサブセットに分割し、K回の学習・評価を行い、平均性能を計算する。

3. ブートストラップ (Bootstrap): データセットからランダムにサンプリング（復元抽出）して新たなデータセットを作成し、モデルの性能や信頼区間を推定する。

4. バイアス-バリアンストレードオフ (Bias-Variance Trade-off): モデルの複雑さと性能の関係。バイアスが高いモデルは未学習傾向があり、バリアンスが高いモデルは過学習傾向がある。最適なバランスを見つけることが重要。

5. シュリンケージ (Shrinkage): モデルの係数を縮小させることで、過学習を防ぐ手法。リッジ回帰やLASSO回帰がシュリンケージ手法の例である。

6. 次元削減 (Dimensionality Reduction): 高次元データセットの次元を削減し、モデルの計算負荷を減らすとともに過学習を防ぐ。主成分分析 (PCA) や線形判別分析 (LDA) が次元削減手法の例である。

コメントを書く

ads

Loading ...

学習ノート（sample） board

学習メモの例（動画） folder