#author("2023-12-04T16:35:09+09:00;2023-08-17T17:18:56+09:00","default:inoue.ko","inoue.ko")
*第13回 様々な手法の紹介
[[データサイエンス/2023]]｜[[受講生一覧>https://design.kyusan-u.ac.jp/socialdesign/?%E3%83%87%E3%83%BC%E3%82%BF%E3%82%B5%E3%82%A4%E3%82%A8%E3%83%B3%E3%82%B9]]｜[[汎用シート>https://docs.google.com/spreadsheets/d/1g-6TyzeQg3md55l9SGnqN-USBsoCNYOwSDDUOKVBJu8/edit?usp=sharing]]
~
//***CONTENTS
//#contents2_1
//~
~
**機械学習の手法
***ニューラルネットワーク
ニューラルネットワークは、''教師あり・分類'' の代表的な手法のひとつで、今話題のディープラーニングはその応用にあたります。
-__[[NeuralNetwork]]__
~
***線形回帰
説明変数 X と目的変数 y との間にある関係を求める、つまり y = f(X) となる関数 f を求める ''教師あり・回帰'' の代表的な手法です。
-__[[LinearRegression]]__
~
***k-means法
k-means法は、''教師なし・クラスタリング''の代表的な手法のひとつで、サンプルをグループ分けする目的で使用します。
-__[[k-means]]__
~
//***因子分析 ＞ __[[Statistics/FactorAnalysis]]__
//~
***主成分分析
主成分分析とは ''教師なし・次元削減''の手法のひとつで、多数の説明変数を、少数の合成変数（複数の変数が合体したもの）に要約する手法です。
-__[[Statistics/PCA]]__
~
//***コレスポンデンス分析
//レスポンデンス分析（対応分析：Multiple Correspondence Analysis）とは、多変量解析法の一つで、アンケート結果のクロス集計表など、行と列からなるデータの項目間の関係を散布図のかたちで可視化する手法です。
//-__[[Statistics/MCA]]__
//~
~
**APPENDIX
-データ分析ツール __[[Orange]]__ について
~
~
