scikit-learn の使い方 [Python]

導入

参考：

scikit-learn で SVM を実装する | NEXMAG

SVM (Support Vector Machine)

参考：

SVM とは？scikit-learn を使って SVM でクラス分類する方法を解説 | AI研究所

Support Vector Machines | scikit-learn Documentation [Official]

主成分分析／次元削減 (PCA)

（出典：scikit-learn）

svd_solver

• auto：自動的にアルゴリズムを選択する。(デフォルト)
• full：Standard LAPACK Solver
• arpack：ARPACK Solver
• randomized：Randomized SVD (Halko et al.)

参考：

PCA／主成分分析／次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Kernel PCA／次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Spectral Embedding／次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Isomap／次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Locally Linear Embedding／次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

sklearn の PCA で svd_solver による速度差を比較 | 静かなる名辞

Decomposing Signals in Components (Matrix Factorization Problems) | scikit-learn Documentation [Official]

sklearn.decomposition.PCA | scikit-learn Documentation [Official]

確率的勾配降下法 (Stochastic Gradient Descent / SGD)

参考：

SGD／クラス分類 | 機械学習、AI、ディープラーニングのプログラミングを解説

Stochastic Gradient Descent | scikit-learn Documentation [Official]

sklearn.linear_model.SGDClassifier | scikit-learn Documentation [Official]