scikit-learnのまとめ

1. はじめに

• scikit-learnとは
• インストールと基本的な使い方

2. データの読み込みと前処理

• データセットの読み込み
  • toyデータセット
  • データの分割（訓練データとテストデータ）
• 欠損値の処理
• 特徴量スケーリング
• カテゴリー変数のエンコーディング

3. 教師あり学習

• 回帰
  • 線形回帰
  • リッジ回帰
  • ラッソ回帰
  • ElasticNet
  • 回帰分析の評価指標
• 分類
  • k近傍法（k-NN）
  • ロジスティック回帰
  • サポートベクターマシン（SVM）
  • 決定木
  • ランダムフォレスト
• MLP

4. 教師なし学習

• クラスタリング
  • k-平均法
  • 階層的クラスタリング
  • DBSCAN
  • ガウス混合モデル
• 次元削減
  • 主成分分析（PCA）

5. アンサンブル学習

• バギング（Bagging）
  • ランダムフォレスト
• ブースティング（Boosting）
  • 勾配ブースティング
  • AdaBoost
• スタッキング（Stacking）
• バギングとブースティングの違い

6. モデル選択と評価・保存

• 交差検証
• 評価指標
  • 回帰分析の評価指標
  • 分類の評価指標
  • クラスタリングの評価指標
• 混同行列
• グリッドサーチとハイパーパラメータチューニング
• モデルの保存（joblib, pickle）