内容について

[taku-y]

タイトルに「和訳」が含まれていますが、ノートブック形式が良いと思います。
私にとっては作成するのが楽です。

以下、私が考えてみた内容です。チェックボックスが一つのスライドに対応します。

• Scikit-learnについて
  • Scikit-learnの概要
• データの扱い
  • Numpy配列によるデータの表現
  • Scikit-learnのデータ取得インターフェース
    • 手元にデータがなくても簡単に試せることを言いたい
  • 公開データセットの利用
    • 代表的なレポジトリ：http://archive.ics.uci.edu/ml/
    • CSVファイルからNumpy配列としてデータを取得
  • Pandasによる確認
  • Matplotlibによる可視化
• 教師あり学習
  • SVM（回帰）
    • fit() と predict()
    • 予測性能の評価
  • SVM（分類）
    • fit() と predict()
    • 予測性能の評価
• 教師なし学習
  • k-means（クラスタリング）
    • k-meansとは
    • fit() と predict()
    • 結果の可視化
  • GMM（クラスタリング）
    • GMMとは
    • fit() と predict()
    • 結果の可視化
      • 各サンプルの所属確率に応じて描画時の透明度を変えてみてもいいかも
  • PCA（変数変換）
    • PCAとは
    • fit() と predict()
    • 結果の可視化
  • t-SNE（変数変換）
    • t-SNEとは
    • fit() と predict()
    • 結果の可視化

[taku-y]

前回にお会いした時の打ち合わせで、資料作成を簡略化するためにチュートリアルに基づいて進めようという方針になっていました。勘違いしていてすみません。ただ、上記の資料が作成できればチュートリアルより手短にscikit-learnを使えるようになると思うので、私の方で作業を進めさせて頂ければと思います。