可視化pythonを使った三角ダイアグラム（ternary plot）の描画
三角プロット（ternary diagram）とは 三角プロット（ternary diagram）は，3成分のデータを三角形のグラフにプロットしたもので、3成分の相対的な割合（組成データなど）をによって，正三角形の位置でグラフ化する。プロッ...
可視化
統計検定ヤコビアンについて（メモ）
2変数関数の重積分（面積）を考えた場合。 $xy$平面→ $uv$平面の変数変換によるヤコビアン(ヤコビ行列; Jacobian matrix)は $$ J(u,v) = \begin{vmatrix} \frac{\partial x}{...
高分子化学高分子の分子量（数平均分子量と重量平均分子量）について
高分子について 低分子は単一分子として存在するため、分子量は組成式（分子構造）に依存してある一定の値となる。 一方で高分子はさまざまな分子量のポリマーの混合物であるため、その分子量を議論する際には注意が必要となる。 高分子の分子量を表す指標...
データ分析SHAP を用いた機械学習への解釈性付与
（noteの「クリエイターを応援する」で応援していただけると嬉しいです。よろしくお願いします） SHAP（SHapley Additive exPlanations）とは 背景 昨今では機械学習モデルに解釈性や説明性が強く求められるようにな...
機械学習catBoostの概要と使い方
CatBoostについて（ざっくり） 勾配ブースティング決定木 (Gradient Boosting Decision Tree) を扱うためのフレームワーク LightGBM や XGBoost と並んでよく用いられている。予測精度や速...
機械学習LightGBM Tunerを使ったハイパーパラメータ最適化
lightGBM Tunerについて Preferred NetworksによってOptunaの拡張機能として開発された、LightGBMのハイパーパラメータ自動最適化モジュール。 通常のハイパーパラメータ最適化では、最適化したいパラメー...
機械学習lightGBMの使い方とハイパーパラメータについて
lightGBMについて（ざっくり） 回帰・クラス分類手法の一つ（XGBoostと並んでKaggleでもよく使われる人気の手法） 決定木ベースの勾配ブースティング手法（Gradient Boosting Dicision Tree） アン...
tipsXGBoost, lightGBM, Catboost をGoogle ColaboratoryのGPUで実行する方法
Boosting系モデル(XGBoost, lightGBM, CatBoost)の計算をGoogle ColaboratoryのGPUで実行する方法 準備 準備 Google Colabでipynbファイルを開き以下の操作を行なっておく。...
データ分析テーブルデータ分析コンペに参加して（メモ）
データ分析コンペ（テーブルコンペ｜ビギナー用）に参加した際に自分なりに工夫した点のメモ。 （ちなみにコンペの結果は7位でした） コンペの内容 中古マンションの価格を予想するというもの。 2000年第1四半期〜2020年第2四半期までのデータ...
機械学習Optunaを使ったXGBoostのハイパーパラメータ最適化
optunaとは PFNにより公開されている最適化用のライブラリ。 TPE (Tree-structured Parzen Estimato)という、ベイズ最適化の一種を使って関数をいい感じで最適化するらしい。 XGBoost などのハイパ...