機械学習をのんびり勉強(2) [機械学習]
「 ITエンジニアのための機械学習理論入門」を一通り読み終わりました。
Pythonコードは簡単にしか確認していないので、今後読み直す時に、
確認していこうと思ってます。
本書では、機械学習のアルゴリズムとして主に次の3種類が説明されています。
いずれも数式は最小限で、各手法のイメージが掴めました。
「分類」:クラス判定を生み出すアルゴリズム
決定木、パーセプトロン、ロジスティック回帰など。
複数のクラスに分類された既存データを基にして、新規データがどのクラスに属するかを
予測するルールを導く。
例:スパムメールの判定など。
「回帰分析」:数値を予測するアルゴリズム
既存のデータの背後には、何らかの関数が隠れていると考えて、その関数を推測することで
次に得られるデータの数値を予測する。
例:広告宣伝費と売り上げの関係
「クラスタリング」:教師なしのグループ化を行うアルゴリズム
答えが示されていないデータを元にして、グループ(クラスター)が
形成されていないかどうかを見つけ出す。
理論をもう少し深く理解するには、別の本で補う必要はありそうです。
Pythonコードは簡単にしか確認していないので、今後読み直す時に、
確認していこうと思ってます。
本書では、機械学習のアルゴリズムとして主に次の3種類が説明されています。
いずれも数式は最小限で、各手法のイメージが掴めました。
「分類」:クラス判定を生み出すアルゴリズム
決定木、パーセプトロン、ロジスティック回帰など。
複数のクラスに分類された既存データを基にして、新規データがどのクラスに属するかを
予測するルールを導く。
例:スパムメールの判定など。
「回帰分析」:数値を予測するアルゴリズム
既存のデータの背後には、何らかの関数が隠れていると考えて、その関数を推測することで
次に得られるデータの数値を予測する。
例:広告宣伝費と売り上げの関係
「クラスタリング」:教師なしのグループ化を行うアルゴリズム
答えが示されていないデータを元にして、グループ(クラスター)が
形成されていないかどうかを見つけ出す。
理論をもう少し深く理解するには、別の本で補う必要はありそうです。
2016-09-18 13:02
コメント(0)
コメント 0
コメントの受付は締め切りました