スキーラーンチュートリアル：モジュール1

スキーランチュートリアル：モジュール1の美しさとファッションに関するエキスパートガイド

オフィシャルなsklearn MOOCチュートリアルを受講しました。以下が私の学んだことです。

Pythonの科学スタック（NumPy、Matplotlib、SciPy、Pandas、Seaborn）を使い続けて数年後、私にとって次のステップはscikit-learn、または「sklearn」であることが明らかになりました。

ではなぜsklearnを選ぶのでしょうか？

機械学習ライブラリの中で、scikit-learnは事実上最もシンプルで簡単なフレームワークです。科学スタック（主にNumPy）に基づき、線形回帰/サポートベクターマシン/次元削減などの伝統的かつ強力なアルゴリズムに焦点を当て、それらのアルゴリズムを中心に構築するための多くのツール（モデル評価と選択、ハイパーパラメータの最適化、データ前処理、特徴選択など）を提供しています。

しかし、その最大の利点は、間違いなくそのドキュメントとユーザーガイドです。scikit-learnのウェブサイトだけでほとんどのことを学ぶことができ、たくさんの例もあります。

他の人気のあるフレームワークにはTensorFlowとPyTorchがありますが、学習曲線が急であり、コンピュータビジョンやニューラルネットワークなどのより複雑な主題に焦点を当てています。これが私の最初の本格的な機械学習への接触なので、私はsklearnから始めることにしました。

• アニメーションワードクラウドでのデータストーリーテリング’ (Animeshon wādo kuraudo de no data sutooriteringu)
• デジタルツインは現代の物流を革命化しますこうすればどうなるか
• 「モノのインターネット：進化と例」

数か月前から文書を読み始めましたが、大きさに戸惑ってしまいました。ドキュメントは非常に大きくてうまく書かれていますが、ドキュメント全体を一つ一つ順に追いかける方法が最適な学習方法かどうかはわかりません。

良いニュースは、sklearnの実際のチームによって作成された「公式」MOOCが始まったことです。

scikit-learnを使ったPythonによる機械学習

scikit-learnを使って予測モデルを構築し、その強みと限界を実践的に理解する

www.fun-mooc.fr

このシリーズでは、MOOCの6つのモジュールごとに学んだことをまとめてみようと思います。これは私の記憶力を鍛え、学んだことを要約するための優れた練習であり、sklearnに触れるための良い入門です。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!