フレームワーク活用ガイド#機械学習
9件のフレームワーク
アンサンブル学習
複数モデルを組み合わせて予測精度を向上
予測精度向上
モデル安定化
コンペティション
交差検証法
データを分割してモデルの汎化性能を推定
モデル選択
ハイパーパラメータ調整
汎化性能評価
混同行列と評価指標
分類モデルの性能を多角的に評価する手法
モデル性能評価
閾値最適化
不均衡データ対応
多腕バンディット問題
探索と活用のバランスを最適化する手法
広告クリエイティブ最適化
レコメンド配信
価格最適化
特徴量選択手法
予測に有効な変数を体系的に選ぶ方法論
モデル精度向上
次元削減
解釈性の改善
CRISP-DM
データ分析プロジェクトを6つのフェーズで体系化し、手戻りを最小化する業界標準プロセスモデル
データ分析プロジェクトの計画策定
機械学習モデルの開発工程管理
分析チームのプロセス標準化
ステークホルダーへの進捗説明
次元削減
高次元データの情報をできるだけ保ちながら、扱いやすい低次元に圧縮する分析手法
高次元データの可視化
モデルの計算コスト削減
ノイズ除去
特徴量の圧縮
特徴量エンジニアリング
機械学習モデルの精度を左右する特徴量（変数）を設計・作成する技術体系
予測モデルの精度向上
新しい分析視点の創出
データの前処理
ドメイン知識のモデルへの反映
予測分析
過去のデータからパターンを見出し、将来の結果を予測するための分析手法
需要予測
顧客離脱の予測
売上見込みの算出