管理人– Author –
-
【Python実践】移動平均（MA）で時系列データ分析！予測・異常検知・補正を攻略
時系列データ分析の基本にして、もっとも直感的な手法のひとつが「移動平均（Moving Average、MA）」です。過去のデータを一定期間で平均化し、トレンドや周期性、ノイズを滑らかに見せるこの手法は、予測や異常検知の第一歩として幅広く活用されています... -
【Python実践】ワイブル分布（分析）で故障予知！（コピペで使えるサンプルコード付き）
製造業や品質管理の現場では、「いつ機械が故障するのか？」を予測することが重要です。その答えを導くために活用されるのがワイブル分布。これは、スマートフォンのバッテリー寿命や自動車部品の耐久性など、時間の経過に伴う故障の「ばらつき」を数学的... -
【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...
