遺伝的アルゴリズムの処理

1.コーティング

問題を、遺伝子の型に変換する

2.初期設定

1.の遺伝子型を元に、個体をランダムに発生させる

3.適応度評価

個体の適応度を計算する
結果が、OKならば処理を終了する

4.選択

3.の結果をもとに、交叉を行う個体を選択する
「適応度比例方式」「トーナメント方式」等の手法がある

5.交叉

2つの個体から新しい個体を生み出す

6.突然変異

ある部分の値を置き換える突然変異で
新しい個体を生成する

7.3に戻る

データ分析の流れの例

1. 仮説の立案

解決する課題を明確化し、解決策の仮説を作る。

2.データの収集

3.データの分析

4.課題解決の検証

データ分析の結果から、解決策を検証する。

データの分布に関する経験則

ヒストグラムで表したときの分布の型で、

1か所の最大値をもつ左右対称の形であれば、次が成り立つ。

1.おおよそ68%のデータが、平均値から、1標準偏差内に存在する

2.おおよそ95%のデータが、平均値から、2標準偏差内に存在する

3.おおよそすべてのデータが、平均値から、3標準偏差内に存在する

チェビシェフの定理

1. 少なくとも、4分の3のデータは、平均値から2標準偏差内に位置する。

2.少なくとも、9分の8のデータは、平均値から3標準偏差内に位置する。

欠損値、外れ値の処理の例

欠損値の処理の例

(1) 削除

欠損値を含むデータを削除する

(2) 補完

欠損値を推定量で置き換える



外れ値の処理の例

(1) クランプ変換

上限あるいは下限を超えた値を、それぞれの閾値で

置き換える。