機械学習 Playground

📊

単回帰分析

1つの説明変数から目的変数を予測する基本的な回帰分析を学びます

• 最小二乗法の可視化
• 決定係数（R²）の理解
• 残差の確認
• 予測と評価

利用可能

📈

重回帰分析

複数の説明変数から目的変数を予測する回帰分析を学びます

• 3D可視化による理解
• 偏回帰係数の計算
• 回帰平面の表示
• 予測と評価

利用可能

🎯

ロジスティック回帰

分類問題に使われるロジスティック回帰を学びます

• シグモイド関数の理解
• 決定境界の可視化
• 確率による分類
• 勾配降下法による学習

利用可能

🌳

決定木

木構造による分類・回帰アルゴリズムを学びます

• 分岐条件の可視化
• ジニ不純度と情報利得
• 木構造の可視化
• 深さによる制御

利用可能

🌲

ランダムフォレスト

複数の決定木によるアンサンブル学習を学びます

• バギングの理解
• 多数決による予測
• 木の数の影響
• アンサンブル効果

利用可能

🎯

サポートベクターマシン

マージン最大化による分類手法を学びます

• マージンの概念
• サポートベクター
• 決定境界の可視化
• 正則化パラメータC

利用可能

🔵

k近傍法（k-NN）

最も近いk個のデータから予測を行う手法を学びます

• 距離の概念の理解
• kの値による影響
• 決定境界の変化
• 次元の呪い

調整中

🧮

クラスタリング

k-meansなどのクラスタリング手法を学びます

• k-meansアルゴリズム
• クラスタ数の決定
• 収束過程の可視化
• 階層的クラスタリング

調整中

🧠

ニューラルネットワーク

基本的なニューラルネットワークの仕組みを学びます

• パーセプトロンの理解
• 活性化関数の役割
• 誤差逆伝播法
• 学習過程の可視化

調整中