これは、英語の和訳かな？
教師あり——入力と対応する正解をつくっておいて、それを使って、予測器を正解ラベルに近づけることを目標に学習を行う手法——ビッグデータ
現れたのが猫だったら写真を撮る？？的な？
教師なし——教師を使わずにデータの本質を浮かび上がらせる手法 クラスタリング・次元削減
クラスタにわけていく
例：ＥＣサイト 購買履歴をもとに、購買行動が似ている人をクラスタに分けて、購買行動を分析する
次元削減
例：身長と体重からＢＭＩ——2次元から1次元への次元削減
例：主成分分析—-線形な次元削減
k-means法・
強化学習——収益を最大化する方策を目的とする手法
チェス・囲碁・ボードゲームのＡＩ
エージェント
状態
行動
収益
価値関数
方策
あと、「半教師あり」っていうのもあり。一部に正解ラベルを付ける。
キーワード
回帰・・・・・出力値の予測（例：家賃・年収・気温の予測）
——線形回帰（単回帰分析、重回帰分析）
分類・・・・・クラスにデータを割り振る（例：犬や猫の識別）
——サポートベクターマシン、決定木、ランダムフォレスト・ロジスティック回帰・ｋＮＮ法
※勾配降下法は「ニュートラルネットワークの重みの最新アルゴリズム」
コメント