トップメニュー回帰 分類 クラスタリングの違い |
|||||||||||||||||
NNとは パーセプトロン 勾配法(最急降下法)・機械学習への適用 損失関数(誤差関数) 誤差逆伝播法 交差検証 , ホールドアウト 活性化関数・ステップ , 符号関数 ・シグモイド ・ReLU ・Softmax ・tanh MNISTデータセット CIFAR-10データセット 画像認識方法 画像認識方法② 畳み込みNN(CNN) 再帰型NN(RNN) LSTM kerasによる実装例・NN ・CNN ・ディープラーニング
強化学習とは 価値関数 , ベルマン方程式 マルコフ決定過程 ε-greedy法 TD学習_スキナー箱 TD学習_Cartpole モンテカルロ法_Blackjack Deep Q-Network(DQN)・DQNとは_スキナー箱 ・cartpole問題 ・Experience Replay
|
・In English
回帰、分類、クラスタリングはいずれも機械学習で用いられるデータ処理手法ですが、それぞれの違いについて説明します。 ■回帰と分類の違い
回帰と分類は、今あるデータから目的変数と説明変数との関係を表し、未知のデータに対する予測を立てる点はどちらも同じですが、
回帰は予測結果がそのデータの特性の数値情報であるという点に対して、分類は予測結果がそのデータの属性情報になります。以下のとおり。 ■分類とクラスタリングの違い
上記で説明した分類は、既存のデータの属性があらかじめ解っていることが前提で、そこから未知のデータが来た時にそのデータの属性がどこに分類されるのかを予測します。これを教師有り学習といいます。
一方でクラスタリングは、データの属性は解らないのを前提に、そこから共通の特徴を見出してグルーピングする手法です。これを教師無し学習といいます。なお、グルーピングした属性に名前を付けるのは人間が行いますが、属性に名前は必ずしも必要ありません。
サブチャンネルあります。⇒ 何かのお役に立てればと
|
|
|||||||||||||||
