3. 学習の種類
P10 3.1
出力は 2 種類のみ: バイナリ分類 (真または偽)
機械が質問に対して実数を出力: 回帰分析/範囲付き回帰分析
異なる y:
構造化学習: y = 構造化 自然言語処理、タンパク質表示
P11 3.2
教師あり学習: {xi,yi}
1 を与える 教師あり学習
2 教師なし学習 (教師なし): xi だけ与えるとマシン自体がクラスター化する (クラスタリング クラスタリング) ため、間違っている可能性があります 使用法: 図 3 を参照 半教師あり
:
Some をマークポイント
4 強化学習: 犬の訓練と同様、
学習の良し悪しを機械の出力に伝え、バッチごと
に訓練する 教師なし学習の概要:
P12 3.3
概要:
1 バッチ: データのバッチを機械にフィードする
2 オンライン:
ガベージ メールボックス認識: 1 つずつメール認識: オンライン学習は
継続的に更新される w
3 アクティブ ラーニング: 機械が質問する、ラベル取得が非常に高価な場合に使用
P13 3.4
データ入力:
1 つの特定のデータ、機械学習の難易度は低い
2具体的ではない、学習難易度が高くなる
3 抽象的なデータ、学習難易度が最も難しい
最後に、第 3 章の簡単な要約: