機械学習の分類

これは何?

機械学習の分類にはいろいろ手法がありますが、いくつかのサイトからヒントを得て、日本と英語でマインドマップに書いてみました。

マインドマップ

mindmap powered by astah*

表とテキスト

機械学習 Machine Learning
	古典学習 (Classical Learning)
		教師あり (Supervised)
			分類 (Classification)
				k近傍法	k-NN(k-Nearest Neibour)
				単純ベイズ分類(Naive Bayes)
				サポートベクタマシン	SVM(Support Vector Machine)
				ロジスティック回帰	Logistic Regression
				決定木	Decision Tree
				用途：
					ID不正検知(Identity Fraud Detection)
					画像分類(Image Classification)
					診断(Diagnostics)
					チャーン分析＝顧客維持 (Churn Survey Customer Retention)
			回帰 (Regerssion)
				線形回帰	Linear Regression
				多項式回帰	Polynomial Regression
				Ridge回帰	Ridge Regression
				Lasso回帰	Lasso Regression
				用途：
					人気度予測(Ad. Popularity Prediction)
					天気予報(Weather Forecasting)
					市場予測(Market Forecasting)
					平均寿命(Estimating Life Expectency)
					人口予測(Population Prediction)
		教師なし (unsupervised)
			クラスタリング (Clustering)
				K-Meansクラスタリング	K-Means
				Mean-Shiftクラスタリング	Mean-Shift
				ファジーC-Meansクラスタリング	Fuzzy C-Means
				DBSCAN	DBSCAN
				凝集型階層的クラスタリング Agglomerative Hierarchical Clustering(AHC)
				用途：
					ターゲットマーケティング(Target Marketing)
					リコメンデーション(Recommendation System)
					顧客セグメンテーション(Customer Segmentation)
			パターン抽出 (Pattern Search)
				Euclat アルゴリズム	Euclat
				Apriori アルゴリズム	Apriori
				FP-Growth(Frequent Pattern-growth)アルゴリズム
			次元削減 (Dimension Reduction)
				t-SNE
					T-distributed Stochastic Neighbor Embedding
					t分布型確率的近傍埋め込み法
				主成分分析	PCA(Principle Component Analysis)
				潜在意味解析	LSA(Latent Semantic Analysis)
				特異値分解	SVD(Singular Value Decomposition)
				線形判別分析	LDA(Linear Discriminant Analysis)
				多次元尺度法	MSD
				用途:
					有意味圧縮(Meaningful Compression)
					ビッグデータ可視化(Big Data Visualization)
					特徴抽出(Feature Elicitation)
					構造発見(Structure Discovery)
	ニューラルネットと深層学習 (Neural Nets and Deep Learning)
		多層パーセプトロン MLP(Multi Layer Perceptrons)
		自己符号化器 Autoencoders
			seq2seq
		敵対的生成ネットワーク GAN(Generative Adversarial Networks)
		回帰型ニューラルネットワーク RNN(Recurrent Neural Networks)
			GRU(Gated Recurrent Unit)
			LSTM(Long Short-Term Memory)
		畳み込みニューラルネットワーク Convolutional Neural Networks(CNN)
			DCNN(Deep CNN)
	アンサンブル学習(多数決) (Ensemble Learning)
		スタッキング(Stacking)
		バッギング (Bagging)
			Random Forest
		ブースティング (Boosting)
			XGBoost
				幅優先
			LightGBM
				深さ優先
			CatBoost
				ロシア製
			AdaBoost
	強化学習 (Reinforcement Learning)
		遺伝的アルゴリズム	Genetic Algorithm
		A3C
		SARSA
		Q-Learning
		Deep Q-Network(DQN)
		用途：
			Game AI
			Skill Acquisition
			Robot Navigation
			Realtime Decision

参考にしたサイト

• Machine Learning for Everyone In simple words. With real-world examples. Yes, again (Neural Networksだけ別枠として Classic と分離)
• The Future with Reinforcement Learning (用途ベースでまとまっている)