データ分析のサンプル
第01回～導入～
第02回～データの把握①～
第03回～データの把握②～
時系列を意識した回帰分析(応用編なので時間が余ったら)
第04回～データの把握③～
第05回～データの把握④～
音響データの特徴量(時系列データの例外)
第06回～仮説検証～
第07回～課題発見と予測①～
データの集合(クラスタリング)
データの圧縮と解釈(主成分分析)
精度の調節(再現率・適合率・F1)
決定境界(各種機械学習)
異常検知(時間があったらやってください)
第08回～課題発見と予測②～
回帰分析を判別に応用(回帰分析)
一変量での数式化と考察(回帰分析)
多変量での数式化と考察(回帰分析)
数量化理論(回帰分析・判別分析・要因分析)
第09回～課題発見と予測③～
項目における結果への寄与率(決定木系)
CART分析(決定木)
ややこしいデータ(ニューラルネットワークによるカニバリゼーション)
第10回～課題発見と予測④～
イベントと時間の解析(Cox比例ハザード)
因果探索(ベイジアンネットワーク)
欠損値の補完(機械学習による補完)
第11回～データ分析実践～
予測結果の理由(反実仮想とSHAP) Githubはこちら(GithubはOut[25]が見れない)
最終課題
番外編
Scikit-learn 以外で予測(GBMとDNN)
マルコフ連鎖モンテカルロ法(ベイズを用いた線形回帰)