更新履歴　2022-03-02

2022年3月2日分のPyQの更新内容です。

クエストの更新

今回は、scikit-learn, pandas, janomeなどを利用したクエストの利用ライブラリーのバージョンアップを行いました。

あわせて、解説が少ない問題の解説の追加、ソースコードの見直し、不具合、誤字修正を行いました。

以下のクエストのソースコードのバージョンを変更しました。

• 複数のデータ型を応用する演習

• Jupyter Notebookの基本操作を学ぼう

• Jupyter Notebookでのモジュールの使い方を学ぼう

• Jupyter Notebookでの関数の使い方を学ぼう

• Jupyter Notebookのメニューの使い方を学ぼう

• Jupyter Notebookのグラフ描画とマジックコマンド

• matplotlibとは

• 描画オブジェクトとサブプロット

• グラフの設定

• 折れ線グラフ、棒グラフ、円グラフ

• 散布図、ヒストグラム、箱ひげ図

• グラフの加工

• はじめてのpandas

• pandasでのデータ集計を学ぼう

• DataFrameでのデータ絞り込みを学ぼう

• 簡単なデータ処理でpandasの基本を確かめよう

• pandasのデータ構造Series（シリーズ）を学ぼう

• pandasのデータ構造DataFrameを学ぼう

• DataFrameの使い方を振り返ろう

• DataFrameのデータを行単位で参照しよう

• DataFrameのデータ参照を振り返ろう

• pandasでCSVファイルを読み込む方法を学ぼう

• DataFrameをCSV形式で出力する方法を学ぼう

• DataFrameをJSON形式で出力する方法を学ぼう

• DataFrameの列データの追加と演算について学ぼう

• DataFrameの列データの追加と演算を振り返ろう

• DataFrameのデータを絞り込むフィルタリングについて学ぼう

• DataFrameのデータ絞り込みを振り返ろう

• Seriesで文字列を一括処理する方法を学ぼう

• Seriesで文字列を一括処理する方法を振り返ろう

• pandasによるデータ処理の基本を確かめよう

• pandasでのグラフ描画

• いろいろなグラフを描画

• pandasの基本を学ぼう

• データを確認しよう

• データをクリーニングしよう

• 列を追加しよう

• データを統合しよう

• データを集約しよう

• グラフを描画しよう

• pandasのデータ構造DataFrameの構成要素

• 演習 - DataFrameの構成要素の取得

• 演習 - DataFrameの構成要素の変更

• 行番号・列番号による範囲指定（iloc）

• SeriesとIndexを学ぼう

• 列とインデックスの変換について学ぼう

• 欠損値を学ぼう

• DataFrameとSeriesの属性を学ぼう

• pandasでCSVファイルを読み込もう

• pandasでCSVファイルに書き込もう

• DataFrameの列の簡単な演算

• DataFrameの列の更新

• DataFrameへの列の追加

• データを置換しよう

• 列や行に関数を適用しよう

• 文字列処理を簡潔にしよう

• よくある計算をしてみよう

• for文で1行ずつ処理しよう

• pandasで役に立つデータのサマリの確認方法を学ぼう

• pandasでグラフを描画してデータの概要を確かめよう

• DataFrameを加工しよう〜連結編

• DataFrameを加工しよう〜結合編

• pandasでのクロス集計を学ぼう

• pandasで欠損値を扱う方法を学ぼう

• 欠損値を含むデータの削除を学ぼう

• 欠損値を含むデータの変換を学ぼう

• pandasで日付時刻型データを扱う方法を学ぼう

• 時系列データの読込を学ぼう

• 時系列データを処理する方法を学ぼう

• pandasでデータの読み込んで欠損値処理をしよう

• pandasでのデータ読込・欠損値の演習〜売上データの報告書作成の確認演習

• 数学の成績をExcelから読み込もう

• 再試験の生徒の抽出

• グラフによる可視化

• botを作ろう

• botに計算させよう

• pandasのクエリ処理をbotにさせよう

• 直交表を作ろう

• 直交表を2倍にしよう

• pandasチャレンジその1

• pandasチャレンジその2

• pandasチャレンジその3

• pandasチャレンジその4

• pandasチャレンジその5

• pandasチャレンジその6

• pandasチャレンジその7

• pandasチャレンジその8

• pandasチャレンジその9

• pandasチャレンジその10

• NumPyを使おう

• NumPyのデータ構造の基本〜多次元配列の作成

• NumPyで乱数を作ろう

• 多次元配列の使い方を学ぼう〜参照と代入

• 次元数が異なる配列の演算を学ぼう〜ブロードキャストとは

• ブロードキャストをもっと学ぼう〜次元数が異なる配列の代入や比較

• NumPyでセル・オートマトンの計算をしよう

• 配列の要素ごとに演算するユニバーサル関数を学ぼう

• いろいろなユニバーサル関数を見てみよう

• ユニバーサル関数以外の関数を見てみよう

• NumPyの便利な関数を知ろう〜統計量やソート

• NumPyの便利な関数を知ろう〜集合と相関

• NumPyで行列計算をしよう

• NumPyで商品をレコメンドするプログラムを書いてみよう

• NumPyでページ重要度を計算してみよう

• シミュレーションと統計量

• 大数の法則とばらつき

• ベイズの定理

• 統計の基礎の確認

• 母集団と標本

• 標本平均の標準誤差

• サンプリングの確認

• 点推定

• 区間推定

• 推定のおさらい

• 仮説検定とは

• データに基づく仮説検定

• 両側検定と片側検定

• 2標本の検定

• 多重仮説検定

• 色々な仮説検定

• 機械学習の基本をif文から学ぼう

• しきい値を見つけよう

• 可視化してしきい値を見つける

• しきい値が決められないデータの扱い方

• 2次元のデータから分類

• 2次元データをプロット

• 1次方程式を用いた分類

• 機械学習ライブラリーscikit-learnを使ってみよう

• ロジスティック回帰とは？

• ワインの評価を推定してみよう

• ロジスティック回帰の弱点を知ろう

• データに特徴を加えて線形分離可能にする方法を学ぼう

• 決定木を使って分類しよう

• 過学習の罠について知ろう

• SVM（サポートベクターマシン）を使ってみよう

• 欠損値に対処しよう

• プロフィールから年収を判定してみよう

• クラスタリングを使って顧客を分類しよう

• 主成分分析を使って画像データの次元を削減しよう

• 決定木で良いモデルについて学ぼう

• モデルの複雑さと過学習の関係を学ぼう

• ハイパーパラメーターをチューニングしよう〜クロスバリデーション

• アンサンブル学習とランダムフォレストを学ぼう

• 線形回帰を使って回帰分析してみよう

• 回帰分析の過学習を見てみよう

• 正則化を使って回帰分析しよう

• 回帰のパラメーターの探索しよう

• 非線形回帰を使おう

• 色々な回帰で過学習のなりにくさを確認しよう

• patsyのモデル式を使おう

• AICを使って変数選択をしよう

• 単語に分解しよう

• 特徴量（Bag of Words）を計算しよう

• 対象とする単語を決めよう

• クラスタリングで顧客の分類をしよう

• 主成分分析で画像データの次元削減をしよう

• 決定木を使ってデータを分類しよう

• ランダムフォレストでデータを分類しよう

• 説明変数を改善して住宅価格を予測しよう

• 色々なモデルで住宅価格を予測しよう

• botを作ろう

• pandasでExcelファイルを読み込もう

• NumPyの使い方を学ぼう

• pandasの使い方を学ぼう

• 表形式のデータを前処理しよう

• 複数のDataFrameを結合しよう

• データを可視化してみましょう

当コンテンツの知的財産権は株式会社ビープラウドに所属します。詳しくは利用規約をご確認ください。