レビューサイトをスクレイピングして単語数を調査する[python]
スクレイピング練習の備忘録です。 概要 ・映画レビューサイトをスクレイピング ・レビュー内容の出現単語数を可視化 映画レビューサイトはfilmarksを利用しました。 filmarksとは 0～...
7
9
Comment2
15 search resultsShowing 1~15 results
Stocked
You need to log-in
精度６７％のディープラーニング株価予測モデル_1
株価予測のスコアが６７％を出したので、そこまでの経緯の備忘録です。 今回は精度６３％までの記録を載せます。 ６７％を出したモデルは次回に掲載しています。 今回のコードはGitHubのkabu_p...
83
96
Comment34
正答率６７％のディープラーニング株価予測モデル_2
株価予測のスコアが６７％を出したので、そこまでの経緯の備忘録です。 今回は精度６７％まで出すまでの記録を載せます。 モデルの基本的な説明は前回に掲載しています。 今回のコードはGitHubのka...
34
32
Comment6
pytestでFizzBuzz問題をテスト駆動開発（TDD）
分かること ・テスト駆動開発（TDD）はどの順序で開発すべきか？ ・テスト駆動開発（TDD）はなぜ失敗をわざと行うのか？ ・pytestはどう使うべきか？ 目次 1. テスト駆動開発（TDD）に...
2
0
Comment1
SQLを用いたデータの前処理~データサイエンティスト向け～
概要 3GBを越えるcsvファイルの前処理のトレーニング備忘録 3GBを越えるcsvファイルは、Excelで開くことができない。 これをデータサイエンティストが分析に使えるようデータを整理し、3...
4
2
Comment2
初心者がKaggle Titanicで上位1.5%(0.83732)以内に入るアプローチ解説_3
前回に続き、Kaggle Titanicで上位1.5%(0.83732)へのアプローチを解説していきます。 使用するコードはGithubのtitanic(0.83732)_3です。 前回に出した...
28
20
Comment2
Jupyter NotebookでRを動かせるようにする
Anaconda Promptで conda install -c r rstudio --yes と入力して実行すればjupyter NotebookでRが書けるようになる。
1
2
Comment0
初心者がKaggle Titanicで上位1.5%(0.83732)以内に入るアプローチ解説_１
1. Kaggleとは データ分析を用いて、様々な問題を解くのを競い合って自分の腕を試すサイト。 データセットが貰え、他の人の解説(カーネル)を見ることができるので、データ分析の勉強になります。...
37
40
Comment0
初心者がKaggle Titanicで上位1.5%(0.83732)以内に入るアプローチ解説_2
前回に続き、Kaggle Titanicで上位1.5%(0.83732)へのアプローチを解説していきます。 使用するコードはGithubのtitanic(0.83732)_2です。 今回、提出ス...
12
8
Comment2
社会人が1ヶ月半で統計検定２級に合格した勉強法
この記事の目的 「あの参考書も買ったほうがいいのかな…？」 「問題集もやったほうがいいのではないか…？」 と不安になる方が多いと思います。 そういった方々に「統計webと過去問のみで合格可能」を...
5
5
Comment1
１ヶ月の対策でG検定に合格した勉強法
2019年１１月９日に実施されたJDLA(日本ディープラーニング協会)のG検定に合格したので、その勉強法を載せておきます。 試験対策に１ヶ月ほどしか費やしていないので、勉強法が参考になれば幸いで...
3
7
Comment0
XGBoostをやっとインストールできた話
XGBoostを入れようとするとエラーが出てできなかったが、なんとか成功。 以前はAnaconda Promptで以下↓のコマンドを実行してもできなかった。 conda install -c a...
0
0
Comment0
scikit-learnの実装トレーニング２～様々なモデルで探索～
前回までにやったこと ロジスティック回帰を使用し、顧客情報から顧客が定期預金を申し込む確率を予測した 前回の結果は grid best scoreが 0.938。 AUCが 0.91 だった。 ...
0
1
Comment0
scikit-learnの実装トレーニング3～ディープラーニングで探索～
前回までにやったこと 機械学習で顧客情報から顧客が定期預金を申し込む確率を予測した。 ロジスティック回帰、ランダムフォレスト、サポートベクタマシンを使用した前回の最高スコアは grid best...
0
0
Comment0
scikit-learnの実装トレーニング１～ロジスティック回帰を使ってみる～
やること 顧客情報から顧客が定期預金を申し込む確率を予測。 ロジスティック回帰を使用。 他のモデルの利用は次回に。 実装コードはこちらのbank1.py 目的 sckit-learnを用いて自分...
1
3
Comment0
15 search resultsShowing 1~15 results
Qiita is a knowledge sharing service for engineers.
- You can follow users and tags
- You can stock useful information
- You can make edit suggestions for articles