【10分で分かる！】決定木とは？利用場面やランダムフォレスト・Xgboostなどの応用手法についても見ていこう！
HTML-код
- Опубликовано: 13 июн 2020
- 機械学習入門に必要な知識と勉強方法はこちら
toukei-lab.com/machine-learni...
この動画では、データを分かりやすく分類して予測モデルを構築することのできる決定木と呼ばれる手法について簡単に解説しています！
将来のデータを予測することに重きを置く機械学習手法と現在のデータの構造を把握することに重きを置く統計学という2つの立場がありますが、決定木はどちらの文脈でもよく登場する手法で、様々なシーンで使いやすく、データサイエンスの取っ掛かりに非常に有用です。
この動画では、3つのパートに分けて解説しますよ！
・決定木の仕組み
・決定木を利用する場面
・決定木を応用した手法群
【視聴ガイド】
01:43 決定木の仕組み
04:10 決定木を利用する場面
05:28 決定木を応用した手法群
【この動画で覚えて帰って欲しいコト】
・決定木とは「木構造でデータを分類していく手法」である
・予測における初期分析や現状のデータの構造把握に用いられる
・決定木をアンサンブル学習したランダムフォレストやXgboostなどの手法がある
サイトの方でもっと踏み込んだ説明やプログラミング実装をおこなっています。URLを記載しておくのでぜひのぞいてみてください！
■スタビジ
スタビジは「データサイエンスをもっと身近なものに！」をモットーにデータサイエンスの面白さを発信しているチャンネルです。
チャンネル登録はこちら↓
/ @aiby8596
■サイト（データサイエンスを発信するメディア）※旧：統計ラボ
toukei-lab.com/
・決定木について
bit.ly/3fjIRwg
・ランダムフォレストについて
bit.ly/3fkLq0Z
・Xgboostについて
toukei-lab.com/xgboost
■関連動画
・機械学習入門
• 【超入門】機械学習をビジネスの例も出しながら...
・XGBoost
• 【12分で分かる！】XGBoostとは？XG...
■「コスパよくデータサイエンスを学べるスクール」スタビジアカデミー
toukei-lab.com/achademy
■Twitterアカウント
ウマたん＠スタビジ： / statistics1012
■私が講師のUdemy講座
以下の記事に私が講師を務めるAIやデータサイエンス関連の講座一覧をまとめています！
toukei-lab.com/my-udemy-course
この記事内限定で全ての講座が安くなる講師クーポン（最大94%OFF！）を公開していますのでご受講の際はぜひお使いください！
■出版書籍
・俺たちひよっこデータサイエンティストが世界を変える
amzn.to/36XbMFJ
・【入門】Pythonを覚えてエリートリーマンへ！落ちこぼれリーマンの逆転劇：amzn.to/31drMyU
・おばあちゃんがWebマーケティングを勉強して雑貨屋をV字回復！
amzn.to/3vG3tqC
・漫画で分かるデジタルマーケティング ✕ データ分析
amzn.to/44iT84Q
・データサイエンス大全 -シンプルにわかる49の用語と13の実践
amzn.to/3mFzhwG
【視聴ガイド】
01:43 決定木の仕組み
04:10 決定木を利用する場面
05:28 決定木を応用した手法群
今までたくさんAI関連の動画を見たが、これは見ていて楽しい！ 枝葉末節の部分が削られ初心者向けにポイントが整理されているので、飽きずに最後まで見ることができる。素晴らしい！
ありがとうございます！そう言っていただけると作ったかいがあります、、！
今後ともよろしくお願いします🤲
わかりやすいです！モチベ上がりました！これからも参考にさせてもらいます。
他のチャンネルに比べて個人的に1番わかりやすいです。
ありがとうございます！励みになります。
これからも更新頑張ります！
ありがとうございました！
決定木について多面的に説明されていて分かりやすかったです
コメントありがとうございます！引き続きよろしくお願いいたします！
ありがたや
手が込んでてすごく分かりやすくて助かります。
コンペに初挑戦するつもりなので前提知識がついて助かります
コメントありがとうございます！動画作成の励みになります！コンペ頑張ってください！！
AIによる病気の予後予測が行えるシステムを考えており、いろいろ調べていたら、こちらに辿り着きました。これから勉強させて頂きます。
Toshi Mo ありがとうございます！引き続き、よろしくお願いします🤲
G検定の勉強しているので凄く助かります^ ^
ありがとうございます！動画更新の励みになります！！
神動画に出会った
ありがとうございます！！
こんにちは。座標と回転値データを説明変数に用いて剣道における面小手胴の判別システムの開発を考えています。
この動画を参考にしてまず決定木を試してみたのですが説明変数を選択して学習を行わせると、しないときに比べて予測精度が向上することがありました。決定木は特徴量の選択を行う必要がないと学んだのですが、した方が良いのでしょうか。
またランダムフォレストを試してみたのですが、説明変数がすべて数値であるからか、説明変数の順番を変えるだけでで重要な特徴量が変わってしまいます。この結果からこの手法を用いることは正しいのか分からず、困惑しております。
そこでなぜこのようになるのか、この手法を用いることは適しているかも教えていただきたいです。
周りに聞ける人がおらず、何卒よろしくお願い致します…
変数間の相関が非常に高い多重共線性という問題が生じていると考えられます！決定木においても特徴量選択した方が精度向上することは考えられます。
@@aiby8596 ご返信ありがとうございます。多重共線性は初めて聞いたので調べてみようと思います！
既にある観点では十分に高い完成度かと存じましたが、解説されている手法が何故嬉しいのか？そしてその分析例は？この２点を交えて頂けると更に素晴らしい動画になるのでは？と存じました。偉そうにすみません。。
ありがとうございます！