Scikit-Learnのcheat-sheetは使用するデータの内容と目的に応じて、どのアルゴリズムを使えばいいのか教えてくれます。
cheat-sheet：チート・シート：カンニングペーパーあるいは虎の巻…というくらいの意味
一部を日本語化してみました。
アルゴリズム一覧
classfication（クラス分類）
SGD（確率的勾配降下法） Classifier —- 線形なクラス分類
Kernel approximation（カーネル近似） —- 非線形なクラス分類
KNeighbors（K近傍法） Classifier —- 非線形なクラス分類
SVC（SVM Classification） –> Kernel SVC —- 非線形なクラス分類
Ensemble Classifier —- 非線形なクラス分類
Linear SVC —- 非線形なクラス分類
Naive Bayes（ナイーブベイズ）
regression（回帰）
線形
SGD Regression
Lasso
ElasticNet
SVR(kernel=’linear’)
非線形
SVR（サポートベクター回帰）(kernel=’rbf’)
EnsembleRegressors
RidgeRegression
clustering（グループ分け）
MeanShift
VBGMM
KMeans（K平均法）— 基本
MiniBatch KMeans
Spectral Clustering
GMM
dimensionality reduction（次元削減/次元圧縮）
Randomized PCA
Ispmap
Spectral Embedding
Kernel approximation（カーネル近似）–> Kernel PCA
LLE
このビデオ・レッスンでは非常に単純なデータを使っています。
だれでもできそうです。自分のデータを作ってやってみましょう。
参考までによく使われるデータのサンプルはこんな感じ。
classfication（クラス分類）
UC Irvine Machine Learning Repository から参照
regression（回帰）
Excel持っていれば、データファイルにはCSVが使えます。
scikit-learnではこいうデータはすでに用意されています。sklearn.datasetsで使えます。
各アルゴリズムを実装してみたい向きは、この方のブログをご参照ください。
Next
チート・シートの分岐の目安のデータ数はあくまでただの目安です。
データが少なくてもアルゴリズムの実行自体は可能です。。
Pythonで記述することで、各アルゴリズムが何をやっているのか見当をつけてみます。
やってみましょう
線形回帰やロジスティック回帰などの基本的なアルゴリズムをYoutubeのビデオレッスンで分かった気になろう(^^)…..理論と実装の両方で説明してくれます
その他のチート・シート（Scikit-Learnのcheat-sheetは少し古めです、以下のcheat-sheetでは新しめのアルゴリズムも使われています）
Microsoft Azureのチート・シート 、 日本語版
Leave a Reply