MLP1

Machine Learning Programming。
Pythonの機械学習の本を買ってみました。
一日１章くらいのペースで読めるといいな。

Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)

posted with amazlet at 16.12.13

Sebastian Raschka
インプレス (2016-06-30)
売り上げランキング: 6,539

Amazon.co.jpで詳細を見る

以下は(主に自分用の)メモ。

■三種類の機械学習
・教師あり学習
・教師なし学習
・強化学習

■教師あり学習
・トレーニングデータ
・クラスラベル
・分類
  離散値(クラスラベル)を予測する
  二値分類 - メールのスパム判定
  多クラス分類 - 手書き文字認識
・回帰
  連続値を予測する。回帰分析とも呼ばれる
  予測変数 応答変数 説明変数 結果変数

■強化学習
・教師あり学習に分類
・環境とのやりとりに基づいて性能を改善するシステム (=エージェント)
・報酬 - 行動の出来具合を数値化したもの
例) チェスエンジン - 報酬はゲームの「勝ち」「負け」として定義

■教師なし学習
・クラスタリング
・次元削減


■機械学習システムを構築するためのロードマップ
・前処理
  データ整形
    トレーニングデータセット
    テストデータセット
・学習
  トレーニングセットに適合する予測モデルの選択
    複数のアルゴリズムを比較するが、その指標をまず決定 => 正解率(正しく分類されてるインスタンスの割合)など
    モデルの汎化性能(未知のデータにも対応できる能力)の推定 => 交差検証
    ハイパーパラメータ(機械学習のアルゴリズムのパラメータのうち、学習前に値を決定しなければならないもの)最適化
・評価
  モデルの評価
    テストデータセットに適用し、汎化誤差(学習時に使用しなかったデータに対する予測値と正解の差)を評価
・予測
  モデルの性能に納得がいけば、そのモデルを適用することで未知のデータの予測