【E資格】クラスタリングを徹底解説｜k-means・階層的クラスタリング・ウォード法
2026年7月4日
クラスタリングは、正解ラベルなしでデータを「似たもの同士のグループ(クラスタ)」に分ける教師なし学習の代表的なタスクです。分割型の代表であるk-meansと、併合の過程を木構造で表す階層的クラスタリングの2系統を押さえることがこの項目の目標です。
【E資格】次元圧縮を徹底解説｜主成分分析(PCA)・寄与率・SNEとt-SNEの違い
2026年7月3日
次元圧縮は、高次元データの情報をできるだけ保ちながら低次元の表現に変換する教師なし学習の手法です。データの可視化・ノイズ除去・前処理に広く使われ、線形手法の代表が主成分分析(PCA)、非線形な可視化手法の代表がt-SNEです。
【E資格】決定木を徹底解説｜CART・Gini係数からRandom Forest・勾配ブースティングまで
2026年7月3日
決定木は、特徴量に関する条件分岐を木構造で積み重ねて予測を行う教師あり学習の手法です。単体でも解釈しやすいモデルですが、多数の木を組み合わせるRandom Forestや勾配ブースティングの構成要素として、現在も表形式データで広く使われています。
【E資格】サポートベクターマシン(SVM)を徹底解説｜マージン最大化とカーネル法
2026年7月3日
サポートベクターマシン(SVM)は、クラス間の境界を「マージン最大化」という明確な基準で決める教師あり学習の手法です。深層学習が主流になる以前に広く使われた代表的な分類器で、マージンやカーネル法の考え方は機械学習全般の理解に役立ちます。
【E資格】ロジスティック回帰を徹底解説｜シグモイド関数・ロジット・オッズ比の関係
2026年7月3日
ロジスティック回帰は、線形モデルの出力をシグモイド関数で0〜1の確率に変換して分類を行う教師あり学習の手法です。名前に「回帰」とありますが分類のためのモデルであり、ニューラルネットワークの出力層の設計に直結する重要な基礎です。