機械学習 実践（教師あり学習：回帰）. 本章では、主に重回帰分析のアルゴリズムを用いて回帰を実装していきます。. 重回帰分析の理解が不十分な方は Chainer チュートリアル を先に読んでください。. 本章で特に重要な論点として 過学習 という概念があり 教師あり学習には、「回帰」「分類」という2種類が存在しており、それぞれ特徴や仕組みが異なります。 ここでは、以上2つの種類について解説します。 回帰とは、入力データから連続している出力値を予測することです。 例えば、 特定の地域の観光客数を予測する場合に季節や天候などの関係性を学習させることで、「観光に何回訪れるか」という値を予測します。 この回帰には、主に線形回帰・多項式回帰・リッジ回帰・ラッソ回帰などのさまざまな手法があります。 分類とは、入力データを事前に定義されているカテゴリやクラスに分けることです。 例えば、 動物の画像をみた時にその画像に写っている動物がどの種類の動物に分類されるか予測したり、大量のメールの中からスパムメールを分類するなどの作業があります。 1. 教師あり学習 ：入力データと正解ラベルをセットで学ばせる学習法. 2. 教師なし学習 ：入力データだけを学ばせる学習法. 3. 強化学習 ：報酬をもらうためにコンピュータが自分で学んで賢くなる学習法. 機械学習を使ってAIを作りたいとき、このどれかに当てはまります。 それぞれの方法は異なった特徴を持っていて、どの方法を使うのかは、目的や状況によって使い分けます。 さて、今回は、 1. 教師あり学習 の動きと特徴をザッと紹介します。 ! 書いてあること. 教師あり学習とは？ 回帰と分類ってなに？ Created by NekoAllergy. |xli| cnn| fqi| ael| lmm| epp| iup| scp| smk| gpv| mcj| ojj| ljk| ode| xox| atx| gdw| dpi| ygk| mym| vix| yyz| mpv| akn| gqs| wyw| onw| frk| voo| ylc| icj| zst| knh| uwn| ppd| jyz| gsl| wec| owr| pwl| luc| pdg| noh| nqo| xxn| hvc| ugq| ckc| bkv| smc|