【このページは現在作成中です】
第7回:教師なし学習・次元削減,機械学習の実践的アプローチ†
7.1 教師なし学習・次元削減【中村】†
PCA†
次元削減によるデータの説明†
次元削減によるデータの圧縮†
次元削減による特徴量抽出†
7.2 特徴量エンジニアリング【中村】†
7.3 モデルのチューニング【伊藤】†
関数化†
検証用データ†
- これまでは,元データを,訓練,テストの2つに分けていた
- チューニングしていくにあたり,テストデータに合わせたチューニングになってしまうのが問題
- なので,元データを,訓練,検証,テストの3つにわけるべし
クロスバリデーション†
グリッドサーチ†
最適化†
7.4 アプリケーション【陳】†
作成したモデルをAPI化する†
訓練済みモデルの利用†