[For beginners] がんばれデータサイエンティスト！

Python のハイパーパラメータ自動最適化ライブラリー Optuna その3<br>– scikit-learnのモデルをOptunaでCV（クロスバリデーション）を実施する方法 –

Python のハイパーパラメータ自動最適化ライブラリー Optuna その3
– scikit-learnのモデルをOptunaでCV（クロスバリデーション）を実施する方法 –

scikit-learnのモデルをOptunaでCV（クロスバリデーション）を実施する方法は2種類あります。 良し悪しを判断するメトリクスにscikit-learnのCVを指定する方法 OptunaのCV関数（Optun...
【生存時間分析による離反時期分析 その3】<br>Python の生存時間分析ライブラリー Lifelinesで予測した<br>「離反時期（顧客であるまでの期間）」の精度検証

【生存時間分析による離反時期分析 その3】
Python の生存時間分析ライブラリー Lifelinesで予測した
「離反時期（顧客であるまでの期間）」の精度検証

生存時間分析とは…… 生物の死 顧客の離反 機械システムの故障 ……など、あるイベント（例：死、離反、故障など）が発生するまでの時間（期間）を推測するための統計学的なデータサイエンス技術です。 ここでは、顧客の離反までの...
【生存時間分析による離反時期分析 その2】<br>Python の生存時間分析ライブラリー Lifelines で実施する <br>「離反時期（顧客であるまでの期間）分析」

【生存時間分析による離反時期分析 その2】
Python の生存時間分析ライブラリー Lifelines で実施する
「離反時期（顧客であるまでの期間）分析」

離反時期や故障時期などを分析する生存時間分析を実施する手段は色々ありますが、生存時間用のライブラリーを活用するのがいいでしょう。 今回利用するのは、LifelinesというPythonのライブラリーです。 生存時間分析ラ...
【生存時間分析による離反時期分析 その1】<br>離反時期の予測に使えるPython の<br>生存時間分析ライブラリー Lifelines に慣れよう！

【生存時間分析による離反時期分析 その1】
離反時期の予測に使えるPython の
生存時間分析ライブラリー Lifelines に慣れよう！

生存時間分析とは…… 生物の死 顧客の離反 機械システムの故障 ……など、あるイベント（例：死、離反、故障など）が発生するまでの時間（期間）を推測するための統計学的なデータサイエンス技術です。 詳細というか概要を以下の記...
Python のハイパーパラメータ自動最適化ライブラリー Optuna その2<br> – Optunaを使うとき最低限覚えておきたい探索範囲の指定方法 –

Python のハイパーパラメータ自動最適化ライブラリー Optuna その2
– Optunaを使うとき最低限覚えておきたい探索範囲の指定方法 –

機械学習などの数理モデルには、通常幾つかのハイパーパラメータがあり、そのハイパーパラメータの設定次第で大きく精度が変わります。 このハイパーパラメータを調整し最適な設定を探すタスクを、ハイパーパラメータチューニングと言い...
Python の ハイパーパラメータ自動最適化ライブラリー Optuna その1<br> – Optuna のちょっとした使い方 –

Python の ハイパーパラメータ自動最適化ライブラリー Optuna その1
– Optuna のちょっとした使い方 –

機械学習などの数理モデルには、通常幾つかのハイパーパラメータがあり、そのハイパーパラメータの設定次第で大きく精度が変わります。 このハイパーパラメータを調整し最適な設定を探すタスクを、ハイパーパラメータチューニングと言い...
PythonのPandasを使った時系列データの3種類の特徴量（説明変数）の作り方

PythonのPandasを使った時系列データの3種類の特徴量（説明変数）の作り方

売上などのビジネス系のデータの多くは、時間概念が紐付いた時系列データです。 時間概念を取っ払ったテーブルデータと異なり、時系列データは、過去の値に大きく依存する、という特徴があります。そのため、一工夫必要になります。例え...