| ページ一覧 | ブログ | twitter |　 書式 | 書式(表) |

MyMemoWiki

「機械学習」の版間の差分

提供: MyMemoWiki
ナビゲーションに移動 検索に移動
24行目: 24行目:
 
#予測
 
#予測
 
====距離の測定====
 
====距離の測定====
 +
----
 
*[https://ja.wikipedia.org/wiki/%E3%83%A6%E3%83%BC%E3%82%AF%E3%83%AA%E3%83%83%E3%83%89%E8%B7%9D%E9%9B%A2 ユークリッド距離]
 
*[https://ja.wikipedia.org/wiki/%E3%83%A6%E3%83%BC%E3%82%AF%E3%83%AA%E3%83%83%E3%83%89%E8%B7%9D%E9%9B%A2 ユークリッド距離]
 
*[https://manabitimes.jp/math/1127 ユークリッド距離とマンハッタン距離]
 
*[https://manabitimes.jp/math/1127 ユークリッド距離とマンハッタン距離]
 
*[https://manabitimes.jp/math/1269 LPノルム]
 
*[https://manabitimes.jp/math/1269 LPノルム]
 +
====学習のタイプ====
 +
----
 +
=====教師あり学習=====
 +
----
 +
=====教師なし学習=====
 +
----
 +
=====強化学習=====
 +
----

2021年5月20日 (木) 15:32時点における版

機械学習

4839964742.09.MZZZZZZZ.jpg link

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

  1. 訓練データ
  2. 特徴ベクトル
  3. 学習アルゴリズム
  4. モデル

推論アプローチ

  1. テストデータ
  2. 特徴ベクトル
  3. モデル
  4. 予測

距離の測定

学習のタイプ

教師あり学習
教師なし学習
強化学習
「https://www.typea.info/tips_/index.php?title=機械学習&oldid=32645」から取得

© 2006 矢木浩人