こちらの記事は以下の書籍を参考にアウトプットとして執筆しました
カラー図解 Ｒａｓｐｂｅｒｒｙ Ｐｉではじめる機械学習 基礎からディープラーニングまで
この書籍では2045年のシンギュラリティやAIにより人の仕事が奪われるのではないかという意見に対して回答するには、正しい知識が必要であると述べています。
アヤメの分類
この書籍では「1つの特徴量を用いた2つのクラスへのアヤメの分類」と「2つの特徴量を用いた2つのクラスへのアヤメの分類」を行っています。
これは機械学習では暑中取り上げられる課題だそうです。
具体的には長さで決めていきますが、その長さを決めるのに機械学習を使います。
また、様々な次元空間の見方をし、適切な特徴量を選択しないと分類は難しくなる。
次元の呪い
特徴量を増やせば分類が簡単になるわけではない。
特徴量が増えるほど、つまり、次元が増えるほど、必要なデータは増え、学習が困難になる。
ディープラーニングは次元の呪いを比較的受けにくい。
機械学習の種類
教師あり学習
予め正解が与えられている課題
回帰
近似線や近似曲線
教師あり学習
正解が与えられていない課題
報酬あり学習(強化学習)
これは正解を与えるのではなく、今の行動が良かったら報酬を与えることにし、報酬を増やす動きをさせる学習