[For beginners] がんばれデータサイエンティスト！

Python CausalMLで実践する「機械学習因果推論」超入門<br><br>– その2：マーケティング事例で学ぶ因果効果推定 –

Python CausalMLで実践する「機械学習因果推論」超入門

– その2：マーケティング事例で学ぶ因果効果推定 –

ビジネスの意思決定に革命を起こす因果推論の力を、実践的に体験してみませんか？ 企業が新たなマーケティング戦略を展開する際、医療専門家が治療法の効果を評価する時、または政策立案者が社会政策の成果を測る際に、単に「何が起こっ...
取り急ぎ実行してみる「Pythonアンサンブル学習」<br>（バギング・ブースティング・スタッキング）

取り急ぎ実行してみる「Pythonアンサンブル学習」
（バギング・ブースティング・スタッキング）

アンサンブル学習は、複数の機械学習モデルを組み合わせることで、単一のモデルよりも高い予測精度を達成する手法です。 アンサンブル学習は、現実世界の様々な問題に適用され、機械学習コンペティションでも常に上位を占める手法として...
【Pythonで学ぶ】非線形計画問題の大域的最適化に挑む！<br><br>– 【第1回】非線形計画問題と大域的最適化の基礎 –

【Pythonで学ぶ】非線形計画問題の大域的最適化に挑む！

– 【第1回】非線形計画問題と大域的最適化の基礎 –

最適化問題は、工学、経済学、物理学など様々な分野で登場します。機械学習のハイパーパラメータチューニング、構造設計の最適化、リソース配分の最適化など、最適な解を求めることは、多くの問題解決に不可欠です。 最適化問題の中でも...
Python CausalMLで実践する「機械学習因果推論」超入門<br><br>– その1：準備と簡単な使い方 –

Python CausalMLで実践する「機械学習因果推論」超入門

– その1：準備と簡単な使い方 –

データが語る物語の奥深くには、単なる相関関係を超えた「因果関係」が隠されています。 企業が新たなマーケティング戦略を展開する際、医療専門家が治療法の効果を評価する時、または政策立案者が社会政策の成果を測る際に、単に「何が...
分類問題のデータ不均衡を解消するSMOTE（Python版）<br>－ その3：カテゴリカル変数が混在するデータに対するSMOTEと実例 －

分類問題のデータ不均衡を解消するSMOTE（Python版）
－ その3：カテゴリカル変数が混在するデータに対するSMOTEと実例 －

データサイエンスの進展に伴い、機械学習モデルの正確さを左右する重要な問題の一つがデータ不均衡です。 データ不均衡は、特定のクラスのサンプル数が他のクラスに比べて極端に少ない場合に発生し、予測モデルの性能に悪影響を及ぼしま...
scikit-learnの機械学習パイプライン入門<br>（その6：変数ごとに関数選択＋チューニング自動化）

scikit-learnの機械学習パイプライン入門
（その6：変数ごとに関数選択＋チューニング自動化）

機械学習のパイプラインとは、複数の処理を直列に連結したものです。 最小構成は、1つの変換器と1つの推定器（予測器）を連結したものです。 変換器：特徴量X（説明変数）などの欠測値処理や変数変換などの、特徴量変換（Trans...
分類問題のデータ不均衡を解消するSMOTE（Python版）<br>－ その2：基本的なSMOTEを活用した3つのケーススタディ －

分類問題のデータ不均衡を解消するSMOTE（Python版）
－ その2：基本的なSMOTEを活用した3つのケーススタディ －

データサイエンスの進化に伴い、多くの業界で複雑なデータ問題に直面しています。 特に、データ不均衡は分析精度の低下を引き起こし、有意義な洞察の抽出を困難にしています。 前回、データ不均衡問題を解消するための強力なテクニック...