「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
(→教師なし学習) |
(→教師なし学習) |
||
| 40行目: | 40行目: | ||
*十分なデータがあれば、パターンや構造を発見できる | *十分なデータがあれば、パターンや構造を発見できる | ||
*'''クラスタリング'''と'''次元削減'''が強力なツールとなる | *'''クラスタリング'''と'''次元削減'''が強力なツールとなる | ||
| + | **[https://ja.wikipedia.org/wiki/EM%E3%82%A2%E3%83%AB%E3%82%B4%E3%83%AA%E3%82%BA%E3%83%A0#:~:text=EM%E3%82%A2%E3%83%AB%E3%82%B4%E3%83%AA%E3%82%BA%E3%83%A0%EF%BC%88%E8%8B%B1%3A%20expectation%E2%80%93,%E3%81%A0%E3%81%84%E3%81%8B%E3%81%BB%E3%81%86%EF%BC%89%E3%81%A8%E3%82%82%E5%91%BC%E3%81%B0%E3%82%8C%E3%82%8B%E3%80%82 EMアルゴリズム] | ||
| + | **[https://ja.wikipedia.org/wiki/K%E5%B9%B3%E5%9D%87%E6%B3%95#:~:text=k%E5%B9%B3%E5%9D%87%E6%B3%95%EF%BC%88k%E3%81%B8,c%2Dmeans%EF%BC%89%E3%81%A8%E3%82%82%E5%91%BC%E3%81%B0%E3%82%8C%E3%82%8B%E3%80%82 K平均法] | ||
=====強化学習===== | =====強化学習===== | ||
---- | ---- | ||
2021年5月20日 (木) 15:46時点における版
目次
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
距離の測定
学習のタイプ
教師あり学習
- モデルと呼ばれるラベル付きデータを必要とする
- 訓練データセットと呼ばれる例の集まりを使用する
教師なし学習
強化学習
© 2006 矢木浩人
