機械学習について、項目ごとの目次（随時更新していく予定）
参考にしてるもの
- scikit-learn: https://scikit-learn.org/stable/
- User Guide: https://scikit-learn.org/stable/user_guide.html#
- 本
教師あり学習
最初にやってほしいタスク（仕事）の正解を含むデータを与えて学習し、新しいデータに対して仕事をしてもらう
タスク: 分類、予測
回帰
- タスク: 予測
- 考え方: https://qiita.com/kazuya_minakuchi/items/186b20efd0eefdeb026b
- 計算方法: https://qiita.com/kazuya_minakuchi/items/859d974d4fe95a3dfe81
ロジスティック回帰分析
サポートベクターマシン(SVM)
SVC(Support Vector Classification)
SVR(Support Vector Regression)
- タスク: 予測
- 考え方:
決定木
- タスク: 分類(分類木)、予測(回帰木)
- 考え方: https://qiita.com/kazuya_minakuchi/items/85f919b8a95ea8825190
k近傍法(kNN, k-nearest neighbor algorithm)
- タスク: 分類、予測
- 考え方: https://qiita.com/kazuya_minakuchi/items/9e73ab5fd1a9c17e3787
ナイーブベイズ（Naive Bayes）
- タスク: 分類
単純ベイズ
ガウシアンナイーブベイズ（Gaussian Naive Bayes）
多項式ナイーブベイズ（Multinomial Naive Bayes）
Complement Naive Bayes
ベルヌーイナイーブベイズ（Bernoulli Naive Bayes）
Categorical Naive Bayes
Out-of-core naive Bayes model fitting
ニューラルネットワーク
- タスク: 分類、(回帰)
- 考え方:
- (自分で何か書くまでは、scikit-learnのページ貼っておく)
アンサンブル学習
バギング(bagging)、ブースティング(boosting)
ランダムフォレスト
https://www.sejuku.net/blog/64455
- タスク: 分類、回帰
- 考え方:
- (自分で何か書くまでは、scikit-learnのページ貼っておく)
勾配ブースティング
http://rautaku.hatenablog.com/entry/2018/01/13/190818
- タスク: 分類、回帰
- 考え方:
教師なし学習
- あらかじめ正解を与えられておらず、データに基づき学習するしくみ
- タスク: クラスタリング、主成分分析・因子分析（次元圧縮）、マーケットバスケット分析
- クラスタリング:データから似たような特徴を持つものを抽出する
- 主成分分析、因子分析:
- 次元圧縮: 多次元のデータを可視化するために二次元(または三次元)空間にできるだけ見やすい形で射影する
- マーケットバスケット分析
k-means法（k平均法）
- タスク: クラスタリング(非階層的クラスタリング)
- 考え方: https://qiita.com/kazuya_minakuchi/items/0b0ba6ac7ee10c4eb6f6
混合ガウス分布
- タスク: クラスタリング
- 考え方:
- (自分で何か書くまでは、scikit-learnのページ貼っておく)
主成分分析（PCA）
- タスク: 主成分分析、因子分析、次元圧縮
- 考え方: https://qiita.com/kazuya_minakuchi/items/682731be50e84e7efa45
LSA: Latent Semantic Analysis
- タスク: 次元圧縮
- 考え方:
- (自分で何か書くまでは、scikit-learnのページ貼っておく)
NMF: Non-negative Matrix Factorization
- タスク: 次元圧縮
- 考え方:
- (自分で何か書くまでは、scikit-learnのページ貼っておく)
LDA: Latent Dirichlet Allocation
- タスク: 次元圧縮
- 考え方:
- (自分で何か書くまでは、scikit-learnのページ貼っておく)
LLE: Locally Linear Embedding
- タスク: 次元圧縮
- 考え方:
- (自分で何か書くまでは、scikit-learnのページ貼っておく)
t-SNE: t-distributed Stochastic Neighbor Embedding
- タスク: 次元圧縮
- 考え方:
- (自分で何か書くまでは、scikit-learnのページ貼っておく)
マーケットバスケット分析
- タスク: マーケットバスケット分析（Market Basket Analysis）。「Aを買う人にはBも売れる」という関係を分析する。
- 考え方: https://qiita.com/kazuya_minakuchi/items/f42ff61e77db12a22e42
強化学習
タスク:制御