第4章 機械学習の具体的手法

「深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト」第4章 機械学習の具体的手法

いよいよ、本質に近づいてきました。

キーワードは、
・教師あり学習：与えらたデータ(入力)を元に、そのデータがどんなパターン(出力)になるのかを識別・予測するもの
線形回帰：データの分布があったときに、そのデータに最も当てはまる直線を考えるというもの
ロジスティック回帰：分類問題に用いる手法、シグモイド関数をモデルの出力に用いる
アンサンブル学習：複数のモデルで学習させること
バギング：全体から一部のデータを用いて複数のモデルを用いて学習する方法、複数のモデルを並列に作成する
ランダムフォレスト：バギングのの中で決定木を用いる手法
ブースティング：一部データを繰り返し抽出し、複数のモデルを学習させるアプローチをとる、複数のモデルを逐次的に作成する
・ニューラルネットワーク：人間の脳の中の構造をも摸したアルゴリズム
・単純パーセプトロン：単純なニューラルネットワーク、複数の特徴量(入力)を受け取り、一つの出力を行う
・教師なし学習：教師(出力データ)なしでの学習、(入力)データそのものが持つ構造・特徴が対象
k-means：元のデータからグループ（クラスタ)構造を見つけ出し、それぞれをまとめる
クラスタ分析：k-meansを用いた分析
主成分分析(Principal Component Analysis,PCA）：データの特徴量間の関係性、すなわち相関を分析することでデータの構造をつかむ手法

以上