Data Study Dock https://validator.w3.org/feed/docs/rss2.html 分析の際に考慮すべき「バイアス」と「バリアンス」とは。 関係性を分析することができる「ネットワーク分析」とは。事例も踏まえて紹介 類似度指標として活用されている「コサイン類似度」とは データ分析の際に考えるべき「サンプリングバイアス」とは 分析やモデル作成の際に注意すべき「内挿」と「外挿」とは 「モーメント母関数」とその使い方とは。実際の計算をしながら確認しよう 数学的確率と統計的確率の違いとは。2つの違いを理解しよう マーケットリサーチ等で活用される「コレスポンデンス分析」とは 「ポアソン分布」とは。稀な事象やカウントデータの分析に用いられる分布を理解しよう 自然言語の分析手法「TF-IDF」の解説と使いどころ 深層学習で用いられる活性化関数の重要性と種類 深層学習で用いられる「ミニバッチ学習」とその重要性とは 自然言語処理に用いられる「MeCab」とは。使用例やメリットを理解しよう 時系列データの分析で使う「自己相関」とは。特徴を理解してデータの性質を理解しよう Kaggleなどでも用いられる予測技術「スタッキング」とは 深層学習で用いられる「最適化関数」とは ミニバッチを活用する「SGD回帰」とその特徴とは 集合の計算に用いられるダイス係数とは NMF(非負値行列因子分解NMF)の特徴と使い方 深層学習で用いられている「学習率」とその役割とは 傾向スコア（Propensity Score）とは。算出方法とメリットを理解しよう 分類予測の評価に用いられるROC曲線とAUCの解説と有用性 時系列分析に関する特徴量エンジニアリングの基本 Lasso回帰の特徴とメリットデメリットとは 時系列分析で用いられる「STL分解」とその有用性 時系列分析で確認すべき「定常性」とは。特徴や確認方法を理解しよう 「Ridge回帰」の特徴とは。Python実装例も合わせて紹介 機械学習のアンサンブル手法「バギング」とは 機械学習の精度を向上させる「アンサンブル」とは 時系列データの際に注意すべき予測と検証の流れとは 時系列クラスタリングとして用いられる手法と特徴 多重共線性の確認に役立つ「VIF」とその使い方 統計的な有意性を確認する「t検定」とは？有意差やp値の意味も理解しよう 平均値の差を検定する「z検定」とは？t検定との違いも確認しよう 実験管理に便利なpythonライブラリ「MLflow」とは 機械学習モデルの再現性とその方法とは。重要性も解説します 「pickle」を用いた学習済モデルの保存方法とその重要性 パラメータ管理ツール「Hydra」の活用方法。機械学習プロジェクトで活用しよう 決定木モデルで算出される「特徴量重要度(importance)」とは 評価指標RMSE(平均二乗誤差)とは。MAE(平均絶対誤差)との違いも解説 回帰タスクの評価指標RMSLE(対数平方平均二乗誤差)とは 定常性を確認する「ADF検定」とその有用性とは 時系列モデル「ARIMA」とは？特徴とよく使われる理由も理解しよう 分類タスクの評価指標「Log Loss」とは？計算方法や特徴を理解しよう 3つ以上のグループ比較ができる「一元配置分散分析」仕組みと使い方を理解しよう クラスタリングライブラリ「tslearn」とは。時系列で似た系列を探索しよう 似た時系列を見つけるDTW(Dynamic Time Warping)とは。特徴と使い方も紹介 決定木分析の「ジニ不純度」とは。分岐のやり方を理解しよう 分析で用いられる距離指標「ユークリッド距離」と「マンハッタン距離」とは TOPPAGE