コース
Pythonで学ぶアンサンブル手法
上級スキルレベル
更新日 2025/10
PythonMachine Learning4時間15 ビデオ52 演習4,050 XP12,914修了証明書
無料アカウントを作成
Googleで続行その他のオプションを表示または
何千もの企業の従業員が支持
チームのトレーニングを担当していますか？
Businessをお試しくださいコース説明
前提条件
Linear Classifiers in PythonMachine Learning with Tree-Based Models in Python1
複数モデルを組み合わせる
作成したモデルの中で、どれが問題に最適か迷っていませんか？それなら一つに絞るのはやめて、全部使ってみましょう！この章では、「Voting」と「Averaging」を使って複数のモデルを一つにまとめる方法を学びます。Google Play ストアのアプリ評価の予測、ポケモンが伝説かどうかの判定、Game of Thrones の登場人物の生死予測に挑戦します。
2
Bagging
Bagging は、ランダムフォレストのような強力な Machine Learning アルゴリズムを支えるアンサンブル手法です。この章では、その理論を学び、scikit-learn を使って独自の bagging モデルを構築します。
3
Boosting
Boosting は、AdaBoost のような受賞歴のあるモデルを含むアンサンブル学習の一群です。この章では、その代表であるモデルを学び、受賞歴のある映画の興行収入を予測します。さらに、CatBoost や XGBoost といった勾配ブースティング系アルゴリズムについても学びます。
4
Stacking
いよいよ積み上げの真価を確かめましょう！この最終章では、スタッキングというアンサンブル手法を学びます。scikit-learn に加えて mlxtend ライブラリを使った実装方法も扱います。北米産キノコの食用可否を予測し、Google アプリの評価をより高度なアプローチで再訪します。
Pythonで学ぶアンサンブル手法
コース完了 19百万人を超える学習者と共にPythonで学ぶアンサンブル手法を始めましょう！
無料アカウントを作成
Googleで続行その他のオプションを表示または
DataCamp for Mobileでデータスキルを磨きましょう
モバイル コースと毎日の 5 分間のコーディング チャレンジで、外出先でも進歩できます。