この章では、ロジスティック回帰とサポートベクターマシン（SVM）を分類問題に適用する基本を学びます。<code>scikit-learn</code> ライブラリを使って、実データに分類モデルを適合させます。

scikit-learn の基礎復習

KNNによる分類

モデルを比較しよう

過学習（Overfitting）

ロジスティック回帰とSVMを適用する

LogisticRegression と SVC を実行する

映画レビューの感情分析

線形分類器

どの決定境界が線形ですか？

決定境界の可視化

ロジスティック回帰と SVM の適用

この章では、ロジスティック回帰と SVM の背後にある概念的な枠組みを学びます。モデルの内部動作をより深く理解できるようになります。

線形分類器：係数

モデルはどのように予測するか

モデル係数を変えてみよう

損失関数とは何ですか？

0-1損失

損失関数を最小化する

損失関数の図解

分類の損失関数

ロジスティック損失とヒンジ損失の比較

ロジスティック回帰を実装する

損失関数

この章では、ロジスティック回帰の詳細を掘り下げます。正則化の考え方や、モデル出力の解釈方法を学びます。

ロジスティック回帰と正則化

正則化付きロジスティック回帰

ロジスティック回帰と特徴選択

最もポジティブな単語とネガティブな単語の特定

ロジスティック回帰と確率

クラス確率を求める

正則化と確率

簡単な例と難しい例の可視化

多クラスロジスティック回帰

係数を数えよう

多クラスロジスティック回帰の学習

多クラスロジスティック回帰の可視化

One-vs-rest SVM

ロジスティック回帰

この章では、サポートベクターマシンの詳細について学びます。ハイパーパラメータのチューニングや、カーネルを用いて非線形の決定境界を当てはめる方法を扱います。

サポートベクター

サポートベクターの定義

サンプルを削除したときの影響

カーネルSVM

GridSearchCV のウォームアップ

GridSearchCV で gamma と C を同時にチューニングする

ロジスティック回帰とSVMの比較（その先へ）

SVMの利点

ロジスティック回帰の利点

SGDClassifier を使う

まとめ

サポートベクターマシン

このコースでは、scikit-learn を使って線形分類器、具体的にはロジスティック回帰とサポートベクターマシン（SVM）を扱う方法を学びます。実装方法を身につけたら、これらの手法の背景にある考え方を深掘りし、仕組みを理解します。コースの最後には、Python でこれらの線形分類器を訓練・評価・チューニングする方法を習得できます。また、他の多くの Machine Learning アルゴリズムを理解するための概念的な基盤も得られます。

Supervised Learning with scikit-learn

このコースでは、ロジスティック回帰やSVMなどの線形分類器の詳細を学びます。

Python で学ぶ線形分類器

このコースでは、logistic regression や SVM などの線形分類器の詳細を学びます。

機械学習サイエンティスト Pythonで

教師あり機械学習 Pythonで

Instructor, The University of British Columbia

ロジスティック回帰とSVMの比較

長所と短所

scikit-learnでの使用

scikit-learnでの使用（続き）

SGDClassifier

練習しましょう！

サポートベクターマシン - ロジスティック回帰とSVMの比較（その先へ）

ロジスティック回帰とSVMの比較（その先へ）

Create Your Free Account