データサイエンス関連プログラムを保存・管理するリポジトリ.
datascience
│
├─samples_python.....................................................Pythonによるデータサイエンス関連の実装サンプル集
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─bayesian_modeling_pymc3.ipynb...................................ベイジアンモデル by pymc3
│ ├─bayesian_modeling_pystan.ipynb..................................ベイジアンモデル by pystan
│ ├─chi-squared_test.ipynb..........................................カイ二乗検定
│ ├─facter_analysis.ipynb...........................................因子分析
│ ├─fisher_exact_test.ipynb.........................................フィッシャーの正確確率検定
│ ├─gaussian_mixture_model.ipynb....................................混合ガウスモデル
│ ├─kernel_density_estimation_pandas.ipynb..........................カーネル密度推定 by pandas
│ ├─kernel_density_estimation_scipy.ipynb...........................カーネル密度推定 by scipy
│ ├─kolmogorov-smirnov_test.ipynb...................................コルモゴロフ・スミルノフ検定
│ ├─multiple_linear_regression_analysis.ipynb.......................重回帰分析
│ ├─non-correlation_test.ipynb......................................無相関検定
│ ├─principal_component_analysis.ipynb..............................主成分分析
│ ├─random_forest.ipynb.............................................ランダムフォレスト
│ ├─shapiro-wilk_test.ipynb.........................................シャピロ・ウィルク検定
│ ├─support_vector_machine.ipynb....................................サポートベクトルマシン
│ ├─t-stats_confidence_interval.ipynb...............................t統計量による母平均の信頼区間
│ ├─two_samples_f_test.ipynb........................................2標本間のF検定
│ ├─two_samples_t_test.ipynb........................................2標本間のt検定
│ ├─two_samples_welch_t_test.ipynb..................................2標本間のウェルチのt検定
│ ├─two_samples_wilcoxon_test.ipynb.................................2標本間のウィルコクソンの順位和検定
│ ├─t-sne.ipynb.....................................................t-SNE
│ ├─plotly.ipynb....................................................Plotly
│ ├─decision_tree.ipynb.............................................決定木
│ ├─doc2vec_gensim.ipynb............................................doc2vec by gensim
│ ├─multilabel_classifier_mlknn_sklearn.ipynb.......................MLkNNによるマルチラベル分類
│ ├─confidence_weighted_learning.ipynb..............................オンライン機械学習 (CW)
│ ├─soft_confidence_weighted_learning_ver1.ipynb....................オンライン機械学習 (SCW ver.1)
│ ├─soft_confidence_weighted_learning_ver2.ipynb....................オンライン機械学習 (SCW ver.2)
│ ├─shap.ipynb......................................................SHAP
│ └─study_201804_plotly.ipynb.......................................勉強会準備 (plotly)
│
├─samples_deeplearning_python........................................Pythonによるディープラーニング関連の実装サンプル集
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─cnn_chainer_ver1.ipynb..........................................CNN by chainer
│ ├─cnn_chainer_ver2.ipynb..........................................CNN by chainer (trainer)
│ ├─cnn_pytorch.ipynb...............................................CNN by pytorch
│ ├─cnn_tensorflow_eager.ipynb......................................CNN by tensorflow eager
│ ├─cnn_tensorflow_ver1.ipynb.......................................CNN by tensorflow (low level)
│ ├─cnn_tensorflow_ver2.ipynb.......................................CNN by tensorflow (high level)
│ ├─seq2seq.ipynb...................................................Seq2Seq
│ ├─attention_seq2seq.ipynb.........................................Attention + Seq2Seq
│ ├─sentence_classifier_cnn.ipynb...................................CNNによる文章分類
│ ├─sentence_classifier_lstm.ipynb..................................LSTMエンコーダによる文章分類
│ ├─nnlm_abs.ipynb..................................................Neural Network Language Model + Attention
│ ├─dropout_bayesian_approximation.ipynb............................ベイジアンドロップアウト
│ ├─dropout_bayesian_approximation_experiment.ipynb.................ベイジアンドロップアウト実験
│ ├─lstm_chainer_ver1.ipynb.........................................LSTM by chainer (F.lstm)
│ ├─lstm_chainer_ver2.ipynb.........................................LSTM by chainer (L.LSTM)
│ ├─mnist_classifier_3d_gradcam_plotly.ipynb........................GradCAMをPlotlyで可視化
│ ├─mnist_classifier_3d_t-sne_plotly.ipynb..........................中間層ベクトルのt-SNEをPlotlyで可視化
│ ├─nn_chainer_ver1.ipynb...........................................ニューラルネットワーク by chainer
│ ├─nn_chainer_ver2.ipynb...........................................ニューラルネットワーク by chainer
│ ├─gradcam.ipynb...................................................GradCAM
│ ├─bayesian_dropout_gradcam_mnist.ipynb............................ベイジアンドロップアウト + GradCAM
│ ├─ssd300_chainercv.ipynb..........................................SSD by chainercv
│ ├─faster_rcnn_chainercv.ipynb.....................................Faster R-CNN by chainercv
│ ├─yolov3_chainercv.ipynb..........................................YOLOv3 by chainercv
│ ├─dcgan.ipynb.....................................................DCGAN by chainer
│ ├─tensorflow_probability_sample.ipynb.............................TensorFlow Probability (Edward2)
│ └─study_201806_tensorflow_eager.ipynb.............................勉強会準備 (tensorflow eager)
│
├─samples_r..........................................................Rによるデータサイエンス関連の実装サンプル集
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─bayesian_statistical_modeling_rstan.ipynb.......................ベイジアンモデル by rstan
│ ├─chi-squared_test.ipynb..........................................カイ二乗検定
│ ├─fisher_exact_test.ipynb.........................................フィッシャーの正確確率検定
│ ├─kernel_density_estimation.ipynb.................................カーネル密度推定
│ ├─kolmogorov-smirnov_test.ipynb...................................コルモゴロフ・スミルノフ検定
│ ├─multiple_linear_regression_analysis.ipynb.......................重回帰分析
│ ├─non-correlation_test.ipynb......................................無相関検定
│ ├─principal_component_analysis.ipynb..............................主成分分析
│ ├─random_forest.ipynb.............................................ランダムフォレスト
│ ├─shapiro-wilk_test.ipynb.........................................シャピロ・ウィルク検定
│ ├─support_vector_machine.ipynb....................................サポートベクトルマシン
│ ├─t-stats_confidence_interval.ipynb...............................t統計量による母平均の信頼区間
│ ├─two_samples_f_test.ipynb........................................2標本間のF検定
│ ├─two_samples_t_test.ipynb........................................2標本間のt検定
│ ├─two_samples_welch_t_test.ipynb..................................2標本間のウェルチのt検定
│ └─two_samples_wilcoxon_test.ipynb.................................2標本間のウィルコクソンの順位和検定
│
├─samples_julia......................................................juliaによるデータサイエンス関連の実装サンプル集
│ ├─README.md
│ ├─docker/Dockerfile
│ └─distributions.ipynb.............................................分布サンプル
│
├─kaggle_compe_house_prices_advanced_regression_techiques............kaggleコンペの分析
│ ├─README.md
│ ├─docker/Dockerfile
│ └─notebook.ipynb..................................................家の価格予測モデル
│
├─kaggle_compe_statoil_c-core_lceberg_classifier_challenge...........kaggleコンペの分析
│ ├─README.md
│ ├─docker/Dockerfile
│ └─notebook.ipynb..................................................衛星画像の氷山予測モデル
│
├─kaggle_compe_titanic_machine_learning_from_disaster................kaggleコンペの分析
│ ├─README.md
│ ├─docker/Dockerfile
│ └─notebook.ipynb..................................................生存者の予測モデル
│
├─kaggle_dataset_flower_color_images.................................kaggleデータセットに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─auto_encoder_similarity.ipynb...................................自己符号化器
│ ├─transfer_leaning_vgg16.ipynb....................................転移学習
│ ├─finetuning_vgg16.ipynb..........................................ファインチューニング
│ ├─threshold_color_hist.ipynb......................................色ヒストグラム
│ └─image_histogram.ipynb...........................................画像ヒストグラム
│
├─kaggle_dataset_huge_stock_market_dataset...........................kaggleデータセットに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─system_trade_dqn.ipynb..........................................Deep Q-Network (DQN)
│ ├─system_trade_ddqn.ipynb.........................................Double DQN
│ ├─system_trade_dueling_ddqn.ipynb.................................Dueling Double DQN
│ └─system_trade_dueling_ddqn_prioritized_experience_replay.ipynb...Dueling Double DQN + Prioritized Experience Replay
│
├─kaggle_dataset_mushroom_classification.............................kaggleデータセットに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─bayesian_neural_network_edward.ipynb............................ベイジアンニューラルネットワークで毒キノコ分類
│ └─study_201712_edward.ipynb.......................................勉強会準備 (Edwardとベイジアンニューラルネットワーク)
│
├─kaggle_dataset_association_of_tennis_professionals_matches.........kaggleデータセットに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─player_strong_bayesian_modeling.ipynb...........................ベイジアンモデルで男子プロテニス強さモデリング
│ └─player_strong_time_series_bayesian_modeling.ipynb...............ベイジアンモデルで男子プロテニス強さ時系列モデリング
│
├─kaggle_dataset_credit_card_fraud_detection.........................kaggleデータセットに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ └─notebook.ipynb..................................................クレジットカードの不正利用予測モデル
│
├─kaggle_dataset_large_tennis_dataset_for_atp_itf_betting............kaggleデータセットに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ └─analysis_service_return_strength.ipynb..........................サーブ力とリターン力の因子分析
│
├─kaggle_dataset_intel_image_classification
│ └─visual-explanations-gradcam-gradcam-scorecam.ipynb..............Grad-CAM / Grad-CAM++ / Score-CAMの実装・比較
│
├─kaggle_env_covid-19-predictions-bayesian-sir-japan-prefs
│ └─covid-19-predictions-bayesian-sir-japan-prefs.ipynb.............SIRモデル（最尤推定、ベイジアン）新型コロナウイルス日本都道府県
│
├─kaggle_env_solving_tsp_and_vrp_by_mip_using_pulp
│ └─solving-tsp-and-vrp-by-mip-using-pulp.ipynb.....................巡回セールスマン問題（TSP） / 運搬経路問題（VRP）をPuLPで混合整数計画問題として最適化
│
├─qiita_transfer_learining_fine_tuning_chainer.......................Qiita投稿記事のソース
│ ├─README.md
│ ├─docker/Dockerfile
│ └─notebook.ipynb..................................................転移学習, ファインチューニング
│
├─open_ai............................................................Open AI Gym に対する強化学習, 深層強化学習の実装
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─check_brakeout.ipynb............................................Breakout環境確認
│ ├─dqn_cnn_frozenlake.ipynb........................................Deep Q-Network (DQN) by chainer
│ ├─dqn_nn_frozenlake.ipynb.........................................Deep Q-Network (DQN) by chainer
│ ├─dqn_pytorch_cartpole.ipynb......................................Deep Q-Network (DQN) by pytorch
│ ├─ddqn_cnn_frozenlake.ipynb.......................................Double DQN by chainer
│ ├─ddqn_nn_frozenlake.ipynb........................................Double DQN by chainer
│ ├─ddqn_pytorch_cartpole.ipynb.....................................Double DQN by pytorch
│ └─q-learning_frozenlake.ipynb.....................................Q-learning
│
├─e-stat.............................................................e-Stat のデータに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─using_e-stat_api_sample.ipynb...................................e-Stat APIの使い方サンプル
│ ├─estimate_smr_bayesian_modeling.ipynb............................ベイジアンモデルでSMR推定
│ └─study_201703_geographic_visualization_and_bayesian.ipynb........勉強会準備 (地理データで階層ベイズモデル)
│
├─stock_price_data_warehouse.........................................株価データに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─candle_stick_mpl_finance.ipynb..................................ローソク足
│ ├─moving_average.ipynb............................................移動平均
│ ├─bollinger_band.ipynb............................................ボリンジャーバンド
│ ├─macd.ipynb......................................................MACD
│ ├─rsi.ipynb.......................................................RSI
│ ├─stochastics.ipynb...............................................ストキャスティクス
│ ├─ichimoku.ipynb..................................................一目均衡表
│ └─compare_technical_analysis.ipynb................................テクニカル指標の比較検証
│
├─news_corpus........................................................ニュースコーパスデータに対する分析
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─binary_relevance_multinomial_nb.ipynb...........................Binary Relevance Learning on 自然言語処理
│ ├─binary_relevance_multinomial_nb_ja.ipynb........................Binary Relevance Learning on 自然言語処理 (Japanese)
│ ├─binary_relevance_sgd.ipynb......................................Binary Relevance Learning on 自然言語処理
│ ├─compare_sentence_binary_classification.ipynb....................Binary Relevance Learning の分類器比較
│ ├─co-occurrence_network.ipynb.....................................共起語ネットワーク
│ └─scdv.ipynb......................................................SCDV
│
├─pilotnet_visualbackprop............................................PilotNet + Visual back prop の実装
│ ├─README.md
│ ├─docker/Dockerfile
│ └─notebook.ipynb..................................................PilotNet + Visual back prop
│
├─compare_state_space_model..........................................statsmodels, pystan, PyMC3, Edward の状態空間モデルの実装
│ ├─README.md
│ ├─docker/Dockerfile
│ └─notebook.ipynb .................................................statsmodels, pystan, PyMC3, Edward の状態空間モデル
│
└─zerokara_deeplearning..............................................『ゼロから作るDeep Learning』勉強ノート
├─README.md
├─docker/Dockerfile
├─notebook.ipynb..................................................勉強ノート1
└─notebook2.ipynb.................................................勉強ノート2Template
│
├─**********...................
│ ├─README.md
│ ├─docker/Dockerfile
│ ├─**********.ipynb..........
│ └─**********.ipynb..........