chelsea– Author –

はじめに データ前処理の全体像 配列の生成（np.array, np.zeros, np.random …） 形状の変換（reshape, flatten, ravel） 要素アクセス・集計（スライシング、sum(axis=…)） 結合と積（演算）（ブロードキャスト、concatenate, stack, dot） 1. 配列の生成...

はじめに データ前処理の全体像 データ分析や機械学習の前処理は、下記のような流れで進みます。 データの命名・結合 欠損値の確認と除去 特徴量の加工 教師データの作成 学習データと検証データの分割 1-1. DataFrameの列名を変更する 文法構文 # 列名の...

前提（準備） GCP プロジェクト：n8n-chelsea-labs（課金有効） Supabase：プロジェクト作成済み。以下4つを控える SUPABASE_HOST：例 db.xxxxx.supabase.co（RESTの https://xxxx.supabase.co ではなく DB のホスト） SUPABASE_PORT：通常 5432 SUPABASE_...

ベルヌーイ分布とは？ 0 または 1 の二値しか取らない確率変数を扱う分布 コイン投げ（表=1, 裏=0）や成功/失敗などの事象をモデル化できる 確率質量関数（pmf）とは？ 確率質量関数（Probability Mass Function, pmf） とは、離散型確率変数 が取りうる各...

情報理論の基本概念まとめ 1. 情報量 (Information Content) ある事象 (x) が起こるときの「驚き」の大きさ。 確率 (p(x)) が小さいほど驚きが大きい。 定義：$$[I(x) = -\log p(x)]$$ 情報量はなぜ I(x) = -log p(x) で定義できるのか？ 情報量の直感 情...

1. 固有値分解（Eigenvalue Decomposition, EVD） 対象: 正方行列 ( A \in \mathbb{R}^{n \times n} ) 分解の形:$$[A = P \Lambda P^{-1}]（対称行列なら[A = Q \Lambda Q^\top]$$と直交行列で分解できる） 意味: 行列を「固有ベクトル方向に伸縮するだけ...

確率・統計の基礎まとめ E資格試験や機械学習の基礎に必須となる、代表的な分布とベイズの定理を整理しました。直感的なイメージ＋数式で理解を深めましょう。 ■ ベルヌーイ分布（Bernoulli distribution） 概要: 「成功」か「失敗」かの 2値だけ をとる確...

1. 特異値分解とは？ 行列 A を $$A = U \Sigma V^{\top}$$ という3つの部品に分ける分解のことです。 イメージでいうと： V … 入力ベクトルを「どの方向に見るか」を決める回転 Σ … その方向にどれくらい「伸ばす／縮める」かを決める倍率（特異値） U … ...

ノルムとは？ ノルム（norm）とは、ベクトルの「大きさ」を測る方法のことです。最も身近なのは「ユークリッド距離（直線距離）」ですが、他にもいくつか種類があります。 数学的には、ベクトルx = (x1, x2, …, xn)に対して次のように定義されます。 代表...

固有値分解とは？ 行列 A を A = P D P^T という3つの部品に分ける分解のことです。 イメージでいうと： P … 座標軸を「固有ベクトルの向き」に並べ替える回転（直交行列） D … その方向にどれくらい「伸ばす／縮める」かを表す倍率（固有値） P^T … 並べ...