machine-learning
機械学習とその分類
サーチ…
機械学習とは何ですか？
機械学習の2つの定義が提供されています。 アーサー・サミュエルはそれを以下のように説明しました：
コンピュータに明示的にプログラムされていなくても学習する能力を与える研究の分野です。
これは、古い、非公式の定義です。
Tom Mitchellはより現代的な定義を提供します：
コンピュータプログラムは、Pによって測定されるようなTにおけるタスクにおけるその性能が経験Eで改善されるならば、あるクラスのタスクTおよび性能測定Pに関して経験Eから学習すると言われる。
例：チェッカーを再生する。
E =多くのチェッカーゲームを経験した経験
T =チェッカーをプレイするタスク。
P =プログラムが次のゲームに勝つ確率。
一般に、機械学習の問題は、次の2つの大きな分類のいずれかに割り当てることができます。
- 教師あり学習
- 教師なし学習。
教師なし学習とは何ですか？
監視学習は、既知のデータセット（学習データセットと呼ばれる）を使用して予測を行う機械学習アルゴリズムの一種です。
教師あり学習のカテゴリ：
- 回帰：回帰問題では、連続出力内で結果を予測しようとしています。つまり、入力変数を連続関数にマップしようとしています。
- 分類：分類問題では、代わりに離散出力で結果を予測しようとしています。つまり、入力変数を個別のカテゴリにマップしようとしています。
例1：
不動産市場の住宅の規模に関するデータがあれば、その価格を予測してみてください。サイズの関数としての価格は連続的な出力であるため、これは回帰の問題です。
例2：
（a） 回帰 - 連続応答値の場合。例えば、人物の画像を与えられた場合、与えられた画像に基づいて年齢を予測しなければならない
（b） 分類 - データを特定の「クラス」に分けることができるカテゴリ応答値の場合。例えば、腫瘍を有する患者がある場合、腫瘍が悪性であるか良性であるかを予測しなければならない。
教師なし学習とは何ですか？
教師なし学習は、私たちの結果がどのように見えるかをほとんどまたは全く考えずに問題にアプローチすることができます。変数の効果を必ずしも把握していないデータから構造を導出することができます。
例：
クラスタリング：探索的なデータ分析に使用され、隠れたパターンやデータをグループ化します。 1,000,000種類の遺伝子を集め、これらの遺伝子を、寿命、位置、役割など、さまざまな変数によって何らかの形で類似または関連するグループに自動的に分類する方法を見つけます。