エントロピー＆ジニ関数について。
簡単に書いてあるけど、これが本質なんだよなあ。。。 https://qiita.c【機械学習】決定木をscikit-learnと数学の両方から理解する １． ＞機械学習をやってみたいと思った場合、scikit-learn等を使えば誰でも比較的手軽に 実装できるようになってきています。但 し、仕事で成果を出そうとしたり、より自分のレベルを上げていくためには 「背景はよくわからないけど何かこの結果になりました」の説明では明らかに弱いことが分かると思います 。 Scikit-learnを使えば、確かに簡単に実装できます。私は、タイタニック号の生存者予測をしました。しかし、数学的に説明できないと確かに、気持ち悪い！ 下記記載も非常に分かり易かった。clf=clf.fit(x,y)のクラスfitで「学習させる」と言うコマンドなんですねえ。。。 ２． ＞いよいよ、モデル構築のコードです。 clf = DecisionTreeClassifier () clf = clf . fit ( X , y ) 単純なモデルであればこれで終わりです。 clfという変数にこれから決定木モデルを作ります！と宣言のようなことを行い、次の行で、そのclfに準備したXとyをフィット(=学習)させるというイメージです。 ３． ＞実際にpythonでモデルを動かす際は、3で紹介したコードに引数として下記のように設定できます（下記は不純度の指標をジニ係数にした場合。エントロピーにしたい場合はここをentropyにします）。 clf = DecisionTreeClassifier ( criterion = "gini" ) clf = clf . fit ( X , y ) それと、これもDecision Treeの基本として、分かり易かった。 [入門]初心者の初心者による初心者のための決定木分析 さて、ここで疑問が湧きました。Scikit-Learnのライブラリを使えば、簡単に機械学習の実践が出来るけど、誰がやっても同じ結果になるんじゃない？ と言う超素朴な疑問です。 そんな訳で、祭日の本日（2/11）は、手元にある古い日経ソフトウェア誌（2019年1月号）を読んでおりました。分かったことは、デフォルトで、Scikit-learnを使えば勿論、誰がや