機械学習の礎 - 注1

 

1.2機械学習とは何ですか

▲機械学習とは何ですか？

最初に学んでいるかを調べる、この問題を把握する前に。

学習はすることにより、ヒトまたは動物であり得る観察し、考え、いくつか取得するにはスキルのコースを。

機械は、コンピュータを介して、同様に学習データと算出特定得るためのスキルを処理します。

この比較、機械学習、データ（コンピュータ観測）を介して観察することにより学習されることに注意してください。

 

▲その後に続く上記の「トリック」（スキル）に現れる新しい用語を解決することです。

そのスキルとは何ですか？トリックは、より優れたパフォーマンスのいくつかの機能です。

こうした予測（予測）などの機械学習技術、識別（認識）。

例に：機械学習の一例であるこの技術では、データストックからの収益の増加を得ることができます。

今、人々は観察を通じてスキルを得ることができることを、なぜあなたはそれを学ぶためにマシンが必要なのでしょうか？

簡単に言えば、機械学習は、二つの理由である理由はここにあります：

一部のデータや情報、人々は、一部の人々は認識されていないかもしれというもの、に情報またはデータの特に大量に取得することはできません。

判断を短時間で大量の情報などにより、他の要件を満たしている物体認識ルールの多くの定義、または：もう一つの理由は、プロセスのような人々のニーズを満たすことができないということです。

言った以上は、どのような状況の下で、その後、それを機械学習の使用機械学習の理由は使用ですか？すべてのケースがそれを機械学習を使用していないですか？

ここでのML（機械学習略称）の3つの主要な要素は次のとおりです。

1、パターンやパフォーマンスは私たちが増加し、それを改善することができますがあり、

図2に示すように、ルールは、そう簡単に定義されていません。

3、データの必要性。

 

機械学習の1.3応用

機械学習の応用。

 

1.5機械学習などの分野

機械学習の分野で互いに関係。

1.5.1 ML VS DM（データマイニング）

機械学習とデータマイニングは知識発見（データセットでKDD知識発見）と呼ばれています。

コンセプトに機械学習に提示し、そのためのデータマイニングの下で​​のみの概念は、大量のデータから有用な情報を見つけることですされています。

定義から始めて、私たちは、両者の関係は、3種類に分かれていることができます。

1. 私たちは、近似目的関数を必要とすることを想定し得られた有用な情報を見つけることができるようにするには、次の2は同じです。
2. 二人は互いのです：私たちは、同様の仮定を特定するのに役立つ有用な情報を見つけるための能力、およびその逆も可能。
3. 大量のデータから、従来のデータマイニングや計算問題にもっと注意。

合計時間は、二人は不可分です。

1.5.2 ML VS AI（人工知能）

機械学習と人工知能。

人工知能コンピュータのコンセプトは、おそらくいくつかの知恵の挙動を示すことができます。

機械学習の定義人工知能を達成するための方法ですから入手することができます。

1.5.3 ML VS統計

機械学習と統計。

統計はまた、未知の推論を行うためにデータを必要としています。

そのため、統計的機械学習方法が実装されます。

数学の式により関心伝統的な統計的学習ではなく、計算そのもの。