Qiita Teams that are logged in
You are not logged in to any team

Log in to Qiita Team
Community
OrganizationAdvent CalendarQiitadon (β)
Service
Qiita JobsQiita ZineQiita Blog
Help us understand the problem. What is going on with this article?

【ラビットチャレンジ】 機械学習 第0章 機械学習とは

More than 1 year has passed since last update.

機械学習モデリングプロセス

1. 問題設定

  • どのような課題を解決するか.
  • ルールベースプログラムで解ければそれで解いても良い.(解くのが良い)
  • ディープラーニングのデメリットは,技術的ハードルが高いこと,テストが実施しにくいこと.

2. データ選定

  • どのようなデータを使うか

3. データの前処理

  • モデルに学習させられるようにデータを変換する.
    • データが抜けている場合(欠損値)の処理とか
    • 自然言語をフォーマットに落とし込むとか

4. 機械学習モデルの選定

  • どの機械学習モデルを利用するか.
    • 線形回帰・非線形回帰
    • ロジスティック回帰
    • SVM
    • k-means
    • PCA
    • knn
    • 深層学習

5. モデルの学習(パラメータ推定)

  • パラメータの決め方.

6. モデルの評価

  • ハイパーパラメータの選定.
  • モデル精度を測る.

機械学習

  • コンピュータプログラムを経験によって自動的に改善していく方法
  • コンピュータプログラムは,タスクTを性能指標Pで測定し,その性能が経験Eによって改善される場合,タスクTおよび性能指標Pに関して経験Eから学習すると言われている.(トム・ミッチェル 1997)
  • 学習用データセット(経験E)を利用してくんれんじたあとに,未知のデータについて正確に予測・分類できるアルゴリズムの能力を言う.
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away