zli lt 2021-12-11 MLモデルの説明

Transcript

1. 今回使用したMLモデルの説明
2. ①ロジスティック回帰モデル ＝　線形回帰仮説の式　＋　シグモイド関数
3. http://www.ner.takushoku-u.ac.jp/masano/class_material/waseda/keiryo/R31_logistic1.html#1_%E7%B 7%9A%E5%BD%A2%E5%9B%9E%E5%B8%B0%E3%81%A8%E9%9D%9E%E7%B7%9A%E5%BD %A2%E5%9B%9E%E5%B8%B0%E3%81%AE%E9%81%95%E3%81%84 何がうれしいか？ 線形回帰仮説を2値分類問題に 適用できる！
4. ②LightGBM　、③XGBoost とは https://www.codexa.net/what-is-ensemble-learning/ 決定木を連続してつなぎ 合わせることで、真の値と 予測値の誤差がどんどん 小さくなる方向に学習させ る。
5. https://toukei-lab.com/ensemble 決定木をつなぎ合わせ ることで各決定木の誤 差を学習してより精度の 高い予測値を得ることが できる 何がうれしいか