03/23/2023 / 最終更新日時 : 10/26/2025 Blue Python 【SHAP】スタッキング(stacking)で特徴量の解釈はできるのか|pythonアンサンブル学習 こんにちは、青の統計学です。 機械学習アルゴリズムの精度向上において、アンサンブル学習は非常に重要な役割を果たしています。 アンサンブル学習とは、複数の学習アルゴリズムを組み合わせることで、予測精度を向上させる手法です。 […]
01/29/2023 / 最終更新日時 : 10/26/2025 Blue データ分析 【SHAP】特徴量重要度や寄与度、限界効果を意思決定者にうまく伝えたい話|python これは直近仕事で抱えている問題を整理するために書き上げたコンテンツです。 今回は、prediction(予測)ではなくidentification(識別)に関する議論です。 kaggle等のコンペでは、予測に重きが置かれ […]
12/27/2022 / 最終更新日時 : 10/26/2025 Blue Python 【kaggle】ベイズ最適化とXGBでtitanicの予測問題を解く|python 今回はハイパーパラメータのチューニング手法の一つである、ベイズ最適について解説いたします。 グリッドサーチやランダムサーチに比べて、短い時間で最適なパラメータを発見できるとされています。 また、今回はデータ分析コンペのk […]
12/07/2022 / 最終更新日時 : 01/06/2026 Blue Python 勾配ブースティング決定木（GBDT）の仕組みを理解｜XGBoostとLightGBMの違いを理解する 勾配ブースティング決定木(GBDT)の仕組みと数学的背景をわかりやすく解説。ランダムフォレストとの違いや、XGBoostとLightGBMの特徴・使い分けまで網羅しています。アンサンブル学習の基礎からアルゴリズムの理論を深めたい方に最適です。
