0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

(A´・ω・)_🍜~~~~🍥🍥🍥機械学習学習はじめました🍥🍥🍥(そもそも機械学習とは?)

Last updated at Posted at 2023-12-14

機械学習(machine learning)学習はじめました。(A´・ω・)_🍜

Pythonを勉強する中で機械学習やDeepLearning の需要を認識し、昨日から本格的に始めました。(※随時追記&精度を上げます)

なお、本Qiitaは以下の

「機械学習のための関数解析入門ヒルベルト空間とカーネル法 瀬戸道夫、伊吹竜也、畑中健志 共著」

を個人的に解釈したものの備忘録です。(※大学以降で習う数学あるあるですが、答えは先生方の頭の中にしかないため、違う解釈をしている可能性があります。ご了承下さい。徐々に精度を上げます。※数学の学習は「イメージの共有」に近いです。)

機械学習(machine learning)における「学習」とは何か?(´。`)

ここでは、ざっくり言うと

ある2つの計測データの組の関係を近似的に推定すること」、要は「関係を調べる

ことを指します。(※数式で詳しく書くと次みたいなかんじ)

一口に「機械学習」と言っても、どうもいろいろアプローチがあるらしい(´д`)

AIの機械学習はどの問題を扱うかで、何を「学習」ととらえるかが変わるらしいです(逆も然り)

①回帰問題(大量のデータからなんか共通する特徴を抽出)

⇒たぶん微分方程式の解の定性や存在

分類問題(大量のデータのうち、特徴となる部分の分布の境界を捕縛する)

⇒境界の関数の各点での符号等


なお、本の書き方によると、どうもこれ以外の捉え方=「~問題」もあるっぽい です。上記の本ではこの2つをメインに扱っています。あと、これはあくまで予想なのですが、カーネル法というのが、今後でてきて内積がやたらとでてきていたので、たぶん「 リースの表現定理 」というやつを多用する気がします

なんかフーリエ級数とか今後でてきそう匂いがしたので、自分の卒論を参考資料にUPしておきます。

これまで社会人になってから一度も使うことなかったので、皆さんで成仏させてやってください(っ∀`)ノ゛(※閲覧権限を付与してあります)

(がっつりフーリエ級数の話です。※$\varepsilon-\delta$ 論法とか不備あるかもですが、一応担当教授にみてもらったやつなので、留数計算とかは何回も確かめ記憶があるので、たぶん合ってます。「リーマン・ルベーグの補助定理」とかいう全然「補助」じゃないやつがキーとなります。
なお、個人情報はAcrobatで抹消しました)

※これは以下の参考文献『Fourier Series (Georgi P. Tolstov 著, Richard A. Silverman 英訳)』の第1~3 章の読解&要約&(数学ではあるあるの)行間を当時の力で埋めたものです。
※以下のAmazonのものより版が古く、なんかもっと暗い色の表紙だった気がします。

※一応、リンク切れてるとあれなんでGIthubにも追加しました(上記の資料と同じです)

あと大学で数学を少し学んだ経験則をまとめました。もしよければ、参考に

参考資料一覧(※全部の内容を自分も理解できているわけではないです。)

①統計検定1級公式問題集 実務教育出版 
 ※過去問のページ https://www.toukei-kentei.jp/prepare/kakomon/
②青チャートI+A、Ⅱ+B 数研出版
③理工系の微分積分学 吹田信之、新保経彦 共著 学術図書出版書
④線形代数入門 齋藤正彦 著 東京大学出版会
⑤定本 解析概論 高木貞治 著 岩波書店 
⑥数学シリーズ 数理統計学 改訂版 稲垣萱生 著 裳華房
⑦数学シリーズ 集合と位相 内田伏一 著 裳華房
⑧one point 推定と検定 鷲尾泰俊 著 共立出版
⑨電磁場とベクトル解析 深谷賢治 著 岩波書店
⑩基礎数学8〔新版〕複素解析 高橋礼司 著 東京大学出版会(留数計算という超面倒くさい積分の計算を学ぶのにかなり重宝します。数学書にしては、珍しいタイプのかなり丁寧な本です。)
⑪岩波 数学入門辞典 
青本和彦・上野健爾・加藤和也・神保道夫・砂田利一・高橋陽一郎・深谷賢治・俣野 博・室田一雄 共著(日本数学界の重鎮たちによる数学用語の辞書。大概何でも載ってるが、あくまでヒントしかくれない(-_-;))

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?