SVMによるクラス分類の講座を提供開始

2018年11月5日

株式会社 キーリンクス の AI事業担当 中井 雅也 です。

機械学習基礎講座」 のコンテンツを追加しました。今回は、【SVMによるクラス分類】です。

今回も、書籍「つくりながら学ぶ! 深層強化学習(マイナビ出版)」や、雑誌Software DesignのAI技術記事などを執筆している電通国際情報サービス 小川雄太郎 氏によるオンラインの研修コースです。

統計解析や多変量解析の分野で「クラスター分析」とも呼ばれ,データ解析手法としてデータマイニングでも頻繁に利用される「クラスタリング」において、よく用いられるアルゴリズム「KMeans」をわかりやすく解説し、データサイエンティストがエンジニアリング部門からデータ可視化を依頼される、というリアルなストーリーに沿って学んでいきます。Google Colaboratoryを使ったPython言語によるプログラミング演習で、csvデータをロードしたりグラフを描画したり、実際に手を動かしながら理論と実装方法を学ぶことができます。

お気軽にお問い合わせください

教師あり学習の分類課題で使用されるSVC(Support Vector Machine Classification)について解説します。
機械学習で分類課題を解決したい場合、はじめに試すアルゴリズムはSVCもしくはロジスティック回帰となります。そのためSVCは機械学習エンジニアにとって重要なアルゴリズムとなります。
SVCにはLinear SVCKernel SVCがあります。本講義ではLinear SVCについて解説します。
ロジスティック回帰ではデータの分類がうまくできなかったときに、SVCで分類してみる、というストーリーから、SVCの特性などを開設していきますので、現場においても役立つのではないでしょうか。

本講義を終えた際に整理・定着させておきたい内容は次の3点です。

  1. ロジスティック回帰と比較した際のSVCの特徴とメリットを理解する
  2. ハードマージンSVCとソフトマージンSVCの特徴を理解する
  3. scikit-learnを用いてLinear SVCを実装できる
SVMによるクラス分類

関連記事

  1. Kmeansによるクラスタリング

    KMeansによるクラスタリングの講座を提供開始

  2. 山下隆義

    「ディープラーニング基礎講座」を提供開始。

  3. 機械学習プロジェクトの進め方

    主成分分析と機械学習プロジェクトの進め方の講座を提供開始

  4. AI・機械学習概要

    機械学習概論とロジスティック回帰の講座を提供開始