前回までの統計による機械学習からディープラーニング（深層学習）による予測についての記事を書きます。

今回のテーマ

多層ニューラルネットワークについて調べたのでまずはそちらから記事にしたいと思います。

はじめに

ディープラーニングについては様々なライブラリが出ていますので、参考までにリンク一覧を貼っておきます。
　[ライブラリ一覧]
　　TensorFlow:https://www.tensorflow.org/
　　Chainer:http://chainer.org/
　　Caffe:http://caffe.berkeleyvision.org/
　　Theano:http://deeplearning.net/software/theano/index.html
　　Torch:http://torch.ch/
　　scikit-learn:http://scikit-learn.org/stable/
　　PyML:http://pyml.sourceforge.net/
　　Pylearn2:http://deeplearning.net/software/pylearn2/
　　PyBrain:http://pybrain.org/pages/home

ディープラーニングとは？？

ディープラーニングとは、脳の神経回路にヒントを得た「ニューラルネットワーク」をシステムで再現した機械学習の一種。
回路の中間部分を多層からなる構成にすることで、データの特徴を多段階でより深く学習していくもの。らしい。。
難しい（笑）
簡単に言うと、目で見たものや聞いたものを「バイアス（偏見）」や「ウェイト（重み）」も含めアウトプットする、脳を再現したプログラムって感じです。
また偏見や重み付けは過去データから学習していくもの(教師あり学習)から、入力されたデータの傾向から類似データをクラスタリングする教師なし学習、そして徐々にデータを学習して特徴抽出していく強化型のものがある。

ディープラーニングと機械学習の違い

前述の通りディープラーニングは機械学習の一種だが、機械学習は予めデータの特徴となるパラメータを定義する必要があった。
それに比べディープラーニングは自動的に特徴を抽出して学習していくという違いがある。

今回はここまでとします。
次は実際のプログラムでの競馬予想のサンプルをあげたいと思います。

[開発しているSIVAについて]
［facebook］
https://www.facebook.com/AIkeiba/
［Twitter］
https://twitter.com/Siva_keiba
随時実況していきますので、いいね！フォローお願いします。