• 2020年08月31日(月) 10:30 ~ 17:30

１．イントロダクション

Python に慣れるために、Jupyter notebook による実習を行います。

　　（１）．Python の基礎

　　（２）．Jupyter notebook による実習

２．回帰関数の推定：最小２乗法とその周辺

実データ解析に応用されている回帰分析について説明します。とくに最小２乗法やリッジ回帰、重要な変数を選ぶための方法であるスパース回帰などについて紹介します。それぞれ手法についてPythonによる実習を行います。

　　（１）．線形モデルと最小２乗法

　　（２）．正則化とリッジ回帰

　　（３）．交差検証法

　　（４）．スパース回帰と変数選択

３．ラベル予測：アンサンブル学習

画像から人の顔を検出するなどの問題は、ラベル予測として扱うことができます。３章では、このような問題に対する機械学習法の１つである決定木を紹介します。また決定木を組み合わせて高度な情報処理を行うアンサンブル学習についても説明します。それぞれ手法についてPython による実習を行います。

　　（１）．２値分類と多値分類

　　（２）．決定木

　　（３）．バギング

　　（４）．ランダム・フォレスト

　　（５）．ブースティング

４．異常検知と変化検知：密度比とその応用

異常や変化を検知する問題は、統計学で古くからいろいろな方法が考えられています。４章では、まず異常値検出のための標準的な方法を紹介します。さらに、密度比を用いる発展的な話題について説明します。それぞれ手法についてPython による実習を行います。

　　（１）．異常検知とは

　　（２）．ホテリングの方法

　　（３）．密度比による異常検知

　　（４）．変化検知と密度比

　　（５）．並べ替え検定

サンプルコードを利用するため、講師の著書を配布します。時間の都合により、セミナーで扱わない手法もふくまれております。

日本テクノセンター研修室