PyCaretを使う(2)
前回の続きです。今回は「RからPythonへの道(9)」の重回帰分析でお話したデータセットを用いて、PyCaretで解析してみました。データセット内の多くの変数の中からhorsepower、width、heightの3つの数値データを説明変数として、priceを予測しました。 PyCaretの実力がよく分からないので、まずは何も考えずに前処理もしていないデータセットを入れて、priceの予測を試みました。しかし、結論から言うと、データセットを読み込ませただけでは、自動の前処理(欠損データ処理等)がうまく機能しませんでした。前処理のマニュアル(チュートリアル)をじっくり読んだわけでないので、見落としている設定等があるのかもしれません・・。この前処理がうまく行かなかったパターンについては次回以降お話します。 最終的には、説明変数3個、目的変数1個の欠損のないデータセットに加工して、実行させまし
PyCaret を使って東京の中古マンション価格を予測してみよう！ - Tableauから始めるデータサイエンス
§ PyCaret ってなんだ？ 今Twitter等でも話題になっている、PyCaretを使って予測モデルを作り、中古マンションの価格を予測するステップを紹介したいと思います。 PyCaretを使うと、最小限のPython コードで、予測モデルの作成、チューニング、予測の実施等一連の機械学習のステップが可能となります。 この記事では、これから機械学習を始めようという方に向けて、Pycaretを通して機械学習ってなんだっけ？というところを紹介しながら進めていきたいと思います。感覚的な分かりやすさを重視しますので、厳密な定義とは異なる表現もあるかもしれませんがご了承ください。 さて、このPyCaretですが、機械学習の予測モデル作成に必要となる、諸々の処理を簡単なコード一発で実行してくれる優れモノで、使ってみてなんて便利なのだろう！と驚きました。しかも、無料です！ が、しかし。そもそも機械学習
low-code機械学習ライブラリ「PyCaret」でモデルを可視化してみた - Qiita
概要 low-codeで、機械学習ができるライブラリのPyCaretがついに、v1.0になりました。 機械学習モデルの 可視化 が便利なので、モデルの可視化 に着目し、まとめてみます。 ソースを確認すると、部分的に内部でYellowbrick@HP（Yellowbrick@qiita）を利用しているようです。 なお、QiitaでもPyCaretタグの下記で取り上げられています。 最速でPyCaretを使ってみた 機械学習を自動化するライブラリ『PyCaret』入門 やること 列挙してみると下記の通りですが、pycaretの自動化により数行で実行できます。 ①データ（クレジットカードのデフォルト）をロード ②前処理 ③モデル比較（アルゴリズム間の性能比較） ④パラメータチューニング ⑤モデルの可視化（★ここがメインなので、冒頭でここを説明★） やってみる（⑤モデルの可視化） 手順上は １番最
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
