Introduction to ML
https://gyazo.com/2ba24f678b49c5c0d69aecc3b5a4d35c
教師あり学習
機械学習アルゴリズム
k-最近傍法（k-Nearest Neighbor, k-NN）
線形回帰（Linear Regression）
リッジ回帰（Ridge Regression）
ラッソ回帰（Lasso Regression）
ロジスティック回帰（Logistic Regression）
線形サポートベクターマシン（Linear Support Vector Machine, SVM）
ナイーブベイズクラス分類器（Naive Bayes Classifier）
決定木（Decision Tree）
ランダムフォレスト（Random Forest）
勾配ブースティング（Gradient Boosting）
カーネル法を用いたサポートベクターマシン（Support Vector Machine with Kernel, SVM）
ニューラルネットワーク（Neural Network, NN）
その他
クラス分類器の不確実性推定
機械学習アルゴリズム簡易まとめ
データセットまとめ
教師なし学習と前処理
前処理とスケール変換
さまざまなスケール変換
次元削減、特徴量抽出、多様体学習
主成分分析（Principle Component Analysis, PCA）
非負値行列因子分解（Non-negative Matrix Factorization, NMF）
t-SNEを用いた多様体学習（manifold learning algorithms with t-SNE）
クラスタリング
k-meansクラスタリング（k-means clustering）
凝集型クラスタリング（agglomerative type clustering）
DBSCAN（Density-Based Spatial Clustering of Applications with Noise）
クラスタリングアルゴリズムの比較と評価
データの表現と特徴量エンジニアリング
ワンホットエンコーディング（ダミー変数）
ビニング、離散化、線形モデル、決定木
交互作用と多項式
モデルの評価と改良
交差検証（cross-validation）
グリッドサーチ（grid search）
評価基準とスコア
アルゴリズムチェーンとパイプライン
パイプラインの構築
パイプラインを用いたグリッドサーチ
汎用パイプラインインターフェス