2025年5月– date –
-
【Python実践】深層学習で回帰問題を解く（コピペで使えるサンプルコード付き）
回帰問題とは、数値を予測するための機械学習の手法の一つです。一般的には線形回帰や決定木ベースの手法（XGBoost、LightGBMなど）が用いられますが、深層学習（Deep Learning）を活用することでより複雑な関係を学習し、高精度な予測が可能になります。 ... -
【実践事例】CNN＋クラスタリングによる特徴量画像分類（コピペで使えるサンプルコード付き）
「【Python実践】OpenCV×SIFTで画像分類！特徴量を活かした分析手法（コピペで使えるサンプルコード付き）」の記記事では、スケールや回転に強い特徴点検出手法であるSIFT（Scale-Invariant Feature Transform）を活用した画像分類についてご紹介しました... -
【Python実践】OpenCV×SIFTで画像分類！特徴量を活かした分析手法（コピペで使えるサンプルコード付き）
画像認識技術は、AI やコンピュータビジョンの進化とともに急速に発展しています。その中でも、SIFT (Scale-Invariant Feature Transform) は、スケールや回転変化に強い特徴点検出手法として注目されています。 本記事では、Python と OpenCV を活用し、S... -
【Python実践】スタッキング（Stacking）で回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムにはさまざまな選択肢がありますが、「高い予測精度を維持しながら、モデルの汎化性能を向上させ、複数の手法を組み合わせて最適な学習を実現したい！」そんな場面で頼れるのが スタッキング（Stacking） です。 スタッキング は、... -
【Python実践】AdaBoostで回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムにはさまざまな選択肢がありますが、「高い予測精度を維持しながら、計算コストを抑え、大規模データやカテゴリデータにも対応したい！」そんな場面で頼れるのが AdaBoost です。 AdaBoost（Adaptive Boosting）は、弱学習器を組み... -
【Python実践】CATBoostで回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムにはさまざまな選択肢がありますが、「高い予測精度を維持しながら、計算コストを抑え、大規模データやカテゴリデータにも対応したい！」そんな場面で頼れるのが CatBoost です。 CatBoostは、勾配ブースティング決定木（Gradient B... -
【Python実践】XGBoostで回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムには多くの選択肢がありますが、「高い精度を実現しつつ、計算コストを抑え、大規模なデータに対応したい！」そんな場面で頼れるのが XGBoost です。 XGBoost（eXtreme Gradient Boosting）は、勾配ブースティング決定木（Gradient ... -
【Python実践】LightGBMで回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムは数多くありますが、「より高い精度を実現し、計算コストを抑えつつ大規模なデータにも柔軟に対応したい！」そんなときに頼れるのが LightGBM です。 LightGBMは、勾配ブースティング決定木（Gradient Boosting Decision Trees, GB... -
【Python実践】画像分類を強化するデータ拡張（Image Augmentation）サンプル集
深層学習（ディープラーニング）を用いた画像分類では、高精度なモデルを構築するために膨大な量の学習データが求められます。しかし、現実には十分な画像データを収集するのは難しく、多くのケースでデータ不足が課題となります。 そこで活用されるのが I... -
【Python実践】YOLOv8で物体検出＆追加学習を試す（コピペで使えるサンプルソース付き）
YOLOは「画像に何が写っているか」を一瞬で判断できる、最先端の物体検出技術です。特にリアルタイム処理に強く、監視カメラ、自動運転、産業機械などで幅広く利用されています。 本記事では、Ultralytics社が開発した最新版YOLOv8を使って、画像内の物体...
12