「機械学習」の版間の差分
ナビゲーションに移動
検索に移動
(→基礎) |
(→基礎) |
||
| 8行目: | 8行目: | ||
*'''特徴ベクトル'''は、実際のデータを単純化したもの、学習・推論のステップはデータそのものではなく、特徴ベクトルに依存 | *'''特徴ベクトル'''は、実際のデータを単純化したもの、学習・推論のステップはデータそのものではなく、特徴ベクトルに依存 | ||
*測定する値とどの測定値を比較すべきかの設計は、'''特徴量設計'''と呼ばれる | *測定する値とどの測定値を比較すべきかの設計は、'''特徴量設計'''と呼ばれる | ||
| − | *調べる特徴の数が多すぎるとパフォーマンスが低下する可能性 | + | *調べる特徴の数が多すぎるとパフォーマンスが低下する可能性('''次元の呪い''') |
| + | *同一性は構成されている特徴に分解される | ||
====学習アプローチ==== | ====学習アプローチ==== | ||
2021年5月20日 (木) 15:21時点における版
機械学習
基礎
- 未定義の値はパラメータ、説明はモデル
- 典型的には、学習と推論の2段階でアルゴリズムを調べる
- 学習段階での目的は、特徴モデルと呼ばれるデータを記述し、モデルに要約すること
- 特徴ベクトルは、実際のデータを単純化したもの、学習・推論のステップはデータそのものではなく、特徴ベクトルに依存
- 測定する値とどの測定値を比較すべきかの設計は、特徴量設計と呼ばれる
- 調べる特徴の数が多すぎるとパフォーマンスが低下する可能性(次元の呪い)
- 同一性は構成されている特徴に分解される
学習アプローチ
- 訓練データ
- 特徴ベクトル
- 学習アルゴリズム
- モデル
推論アプローチ
- テストデータ
- 特徴ベクトル
- モデル
- 予測
© 2006 矢木浩人
