教師あり・なし・強化の学習・回帰・分類

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」