「Pythonによる多クラスラベルのための完全に説明されたソフトマックス回帰」

「分かりやすく解説されたPythonによる多クラスラベルのためのソフトマックス回帰」

機械学習における教師ありマルチクラス分類

James Harrison氏による写真、引用元:Unsplash

はじめに

ロジスティック回帰では、出力カラムには2つのクラス(バイナリクラス)を扱います。しかし、実際の世界では、さまざまなタイプのデータが得られ、出力カラムには2つ以上のクラスがあることがあります。その場合、ソフトマックス回帰(多項ロジスティック回帰またはマルチクラス分類アルゴリズム)を使用することができます。ロジスティック回帰は、ソフトマックス回帰の一形式と言えます。

一部の学習者は、分類問題を行っていると考えるかもしれませんが、アルゴリズム名には回帰という言葉が使われています。ロジスティックベースの計算は線形のみであるため、研究者は単に分類のために線形出力に関数を追加しました。

ソフトマックス関数は、出力のすべてのクラスに対する確率分布を作成します。たとえば、出力カラムに4つのクラスがある場合、これらのクラスの確率は[0.23、0.45、0.12、0.20]となる可能性があります。つまり、入力に基づいて予測されるクラスは最も高い確率を持つクラスとなります。

データをまず見て、確認し、入力やターゲットのカラムまたはフィーチャを見つけることは非常に重要です。次に、出力カラムがある場合は回帰または分類、出力カラムが利用できない場合はクラスタリングアプローチになります。

これらすべてを観察した後、次のステップはデータのフィーチャを完全に理解することです。フィーチャについて読み、研究者はフィーチャエンジニアリング変換に役立つ重要なフィーチャを簡単に解釈することができます。

カバーされるトピック:

  1. 変換を使用しないソフトマックス回帰モデル
  2. 歪んだ分布カラムに対してログ変換を使用するソフトマックス回帰モデル
  3. フィーチャスケーリングを使用するソフトマックス回帰モデル

次の部分は、データの可視化を行うことです。

Pythonによるソフトマックス回帰の例:

import numpy as np import pandas as pd import seaborn as snsimport matplotlib.pyplot as pltfrom…

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

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

データサイエンス

「Adam Ross Nelsonによる自信のあるデータサイエンスについて」

データサイエンスの中で新たな分野が現れ、研究内容が理解しにくい場合は、専門家や先駆者と話すのが最善です最近、私たちは...

人工知能

「アナコンダのCEO兼共同創業者、ピーターウォングによるインタビューシリーズ」

ピーター・ワンはAnacondaのCEO兼共同創設者ですAnaconda(以前はContinuum Analyticsとして知られる)を設立する前は、ピー...

人工知能

スコット・スティーブンソン、スペルブックの共同創設者兼CEO- インタビューシリーズ

スコット・スティーブンソンは、Spellbookの共同創設者兼CEOであり、OpenAIのGPT-4および他の大規模な言語モデル(LLM)に基...

人工知能

キャルレールの最高製品責任者、ライアン・ジョンソンへのインタビューシリーズ

ライアンは、初期のスタートアップからフォーチュン100の組織まで、多様なテクノロジーと製品開発のリーダーシップ経験を15年...

人工知能

Aaron Lee、Smith.aiの共同設立者兼CEO - インタビューシリーズ

アーロン・リーさんは、Smith.aiの共同創業者兼CEOであり、AIと人間の知性を組み合わせて、24時間365日の顧客エンゲージメン...

人工知能

「サティスファイラボのCEO兼共同創設者、ドニー・ホワイト- インタビューシリーズ」

2016年に設立されたSatisfi Labsは、会話型AI企業のリーディングカンパニーです早期の成功は、ニューヨーク・メッツ、メイシ...