2025年5月– date –
-
【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... -
【Python実践】転移学習、追加学習、ファインチューニングの違いについて（簡単なサンプルソース掲載）
ディープラーニングの進化とともに、より効率的な学習手法が求められています。そこで登場するのが「転移学習」「追加学習」「ファインチューニング」といったモデルの強化手法です。これらは、すでに学習済みのモデルを活用して、新しいタスクへの適応や... -
【実践事例】画像の一部に着目して分類する『OpenCV＋OCR』（コピペで使えるサンプルコード付き）
紙の資料をデジタル化して管理することを考えた場合、その次に行う作業は、分類して整理することです。資料が少ない場合は１枚づつ読み込みと同時に分類できますが、数千枚や数万枚に及ぶ資料になると、そうもいきません。 そこで、今回は、「画像の一部」... -
【Python実践】時系列データのグラフ化手法（コピペで使えるサンプルコード付き）
製造現場では、センサーデータ、製造ログ、品質検査データなど、膨大な時系列データが生成されています。これらのデータを的確に分析し、品質向上、歩留まり改善、異常検知、予知保全に繋げるためには、データの特性に合わせた効果的な可視化が鍵となりま... -
【Python実践】GBDT（Gradient Boosting Decision Tree）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、複雑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 勾配ブースティング決定木（Gradient Boosting Decision Trees, GBDT） です。 GBDTは、決定木を組み合わせてモデルの性...
1