決定木ー視覚的にわかりやすい分類・回帰手法!ー【Pythonプログラム付】

統計・機械学習

機械学習の回帰・分類手法の中でも,非専門家でも直感的にわかりやすい分類・回帰手法が決定木です。本記事では,CART(Classification and Regression Tree)と呼ばれる決定木のアルゴリズムについて解説します。

大きい画面で表示したい方はこちらからご覧ください。

pythonによるサンプルプログラムはGitHubで公開しています。

クリエイティブ・コモンズ・ライセンス

スライドの目次

  • 決定木
  • 分類木の問題
  • 分類木の構築イメージ
  • 回帰木のイメージ
  • 回帰木のイメージ(1次元)
  • 説明変数と閾値をどうやって選択するか?
  • 分類木で扱う損失関数
  • 回帰木で扱う損失関数
  • 決定木のメリット・デメリット

参考文献

  • A. C. Muller, S. Guido,Pythonではじめる機械学習,O’Reilly Japan (2017)
  • https://scikit-learn.org/stable/modules/tree.html

質問、コメント等ございましたら、下部のコメント欄,もしくはメールやTwitterよりご連絡ください。

タイトルとURLをコピーしました