O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.

1.単純パーセプトロンと学習アルゴリズム

213 visualizações

Publicada em

slide for study machine learning.

Publicada em: Educação
  • Login to see the comments

1.単純パーセプトロンと学習アルゴリズム

  1. 1. 長岡技術科学大学 自然言語処理研究室 修士1年 西山 浩気
  2. 2.  機械学習の役割 ◦ 例: メールスパムフィルタを作成したい ◦ 従来  過去に送信されたスパムメールから「ルール」を獲得  人手でスパムと判断できそうな単語等をフィルタリング ◦ 機械学習  過去のデータから自動的にスパムと判断する「知識」を獲得  過去のデータに基づいてフィルタリング 2単純パーセプトロンと学習アルゴリズム
  3. 3.  機械学習の利点 ◦ 自動的にルールを学習できる  人間では扱えないような大量,複雑なデータか ら予測・分類できる  応用例 ◦ Siriなどの文字/音声認識 ◦ Web検索エンジン 3単純パーセプトロンと学習アルゴリズム
  4. 4.  良い学習をするために必要なこと 1. 問題に合ったアルゴリズムの選定 2. 高品質な過去データ 3. 性能の評価 4単純パーセプトロンと学習アルゴリズム
  5. 5.  これから学ぶこと 1. 問題に合ったアルゴリズムの選定  分類アルゴリズムの種類・利点 2. 高品質な過去データ  過去データ(学習データ)を高品質にするための処理 3. 性能の評価  評価の指標とモデルのチューニング ◦ 本スライドではこれらの概要を説明、次回以降で詳しく説明する 5単純パーセプトロンと学習アルゴリズム
  6. 6. 1. 3種類の機械学習 1.1 教師あり学習 1.2 教師なし学習 1.3 強化学習 2. 分類の種類 2.1 二値・多クラス分類 2.2 回帰分析 3. 前処理 4. モデルの評価 5. まとめ 単純パーセプトロンと学習アルゴリズム 6
  7. 7.  機械学習には3つの学習方法がある 1. 教師あり学習  「正解」から学習  例: スパムメールのフィルタリング 2. 教師無し学習(今回は割愛)  正解の示されていないデータから学習  例: マーケティングプログラム(主に分類問題) 3. 強化学習(今回は割愛)  「選択した行動」と「結果」から学習  例: チェスエンジン, AlphaGo 7単純パーセプトロンと学習アルゴリズム
  8. 8.  分類問題(classification) ◦ 過去のデータから未知のデータに対してクラスラベルを 予測  二値分類 (例: 受信メールがスパムか否か)  多クラス分類 (例: 手書き文字が0~9の何れか)  回帰分析(regression analysis) ◦ クラスではなく, 連続値を予測  例: 広告宣伝費と来場者数 次回以降では分類問題を解くアルゴリズムについて学ぶ 8単純パーセプトロンと学習アルゴリズム
  9. 9.  生データ(例:過去のスパムを含むメール) が機械学習に適した 形で提供されることはめったにない!  機械学習に適した 前処理(preprocessing) が必要 ◦ 例: 花の写真から種類を分類  花の色や高さ、長さなどの特徴の尺度を合わせる  花の種類を “-1, 0, 1” などの数値に変換する. 9単純パーセプトロンと学習アルゴリズム
  10. 10.  次回以降で説明する分類アルゴリズムには特性がある ◦ 最も性能の良い学習をするためには、複数種類のアルゴリズム を比較する必要がある  比較するためには「指標」が必要 ◦ 正解率, F値 等… ◦ 学習の 汎化性能(generalization performance)  未知のデータに対応できる能力  ハイパーパラメータを調整 ◦ 評価の結果を踏まえて学習し直すことで性能向上を図る 10単純パーセプトロンと学習アルゴリズム
  11. 11.  教師あり学習は2種類 ◦ 分類問題 : 既知のクラスに分類  例: スパムメールか否か, 花の種類 ◦ 回帰分析 : 連続値を予測  例 : 広告宣伝費と来場者数  より高い精度で予測するためには ◦ 前処理 ◦ 評価・ハイパーパラメータ調整 次回から 分類問題を解くためのアルゴリズムについて学ぶ 11単純パーセプトロンと学習アルゴリズム
  12. 12.  Python機械学習プログラミング, Seastian Raschka, インプレス 12単純パーセプトロンと学習アルゴリズム

×