Introduction à TensorFlow - Explication des termes et concepts d'apprentissage automatique

J'ai essayé d'organiser les termes du Machine Learning que j'ai appris à ma manière.


Qu'est-ce que l'apprentissage automatique?

Jusqu'à présent, les humains ont explicitement émis des commandes à des ordinateurs personnels dans la programmation. J'étais aux commandes du programme. C'est ce qu'on appelle l'apprentissage explicite.

Cette technique a ses limites, par exemple, pour de nombreux modèles tels que les filtres anti-spam. Il est difficile pour les humains de loguer explicitement tous les spams et de les empêcher à 100%. (Dur) Par conséquent, "l'apprentissage d'opportunité" est un concept conçu par Arthur Samuel en 1959, "un programme apprend de manière autonome des données à partir de données et de phénomènes que les êtres humains ne programment pas un par un pour créer la logique."

Il existe deux méthodes d'apprentissage principales pour l'apprentissage automatique.

· Enseignement supervisé ・ Apprentissage non supervisé

Qu'est-ce que l'apprentissage supervisé?

Il y a des données d'entraînement à l'avance et l'apprentissage est effectué en les utilisant comme guide. Les données à apprendre sont appelées l'ensemble de données de formation.

Comme exemple d'apprentissage supervisé Il y a Alpha go qui peut apprendre des centaines de millions de données de jeu Go et prendre le meilleur coup par rapport à la valeur de x, n'est-ce pas?

Pour résumer le flux

Passez la valeur x ↓ Prédire le résultat en comparant les données apprises avec a en apprenant en regardant les données prédéfinies. ↓ Renvoie les résultats obtenus par apprentissage

Exemple) A étudié pendant 7 heures-> Prédire le score en utilisant les données d'entraînement-> A devrait obtenir 75 points! Prédire

Je pense que ça ressemble à ça.

De plus, l'apprentissage supervisé peut être divisé en trois semaines environ.

· Régression ・ Classification binaire ・ Classification multi-étiquettes

Régression

Prédire les résultats avec un large éventail de prévisions

Exemple) Prédisez combien de points (0 à 100) vous obtiendrez en regardant le moment où vous avez étudié

Classification binaire

Apprentissage des données pour classer les résultats vrais / faux

Exemple) Prédire s'il faut réussir ou échouer l'examen en regardant le temps passé à étudier Je pense que c'est la méthode d'apprentissage la plus simple en apprentissage supervisé.

Multi-label classification

Apprentissage des données pour classer plusieurs résultats

Exemple) Prédire des unités telles que A, B, C, D, E, F en regardant le temps passé à étudier

Qu'est-ce que l'apprentissage non supervisé?

Il s'agit d'apprendre de la valeur de la demande sans avoir les données d'apprentissage à l'avance.

Pour donner un exemple d'apprentissage non supervisé, il existe Google Actualités qui regroupe de manière autonome des articles similaires. En effet, il est difficile d'anticiper des articles similaires à l'avance et de créer un ensemble de données À chaque fois, vous verrez le contenu de l'article, apprendrez les données et afficherez des articles similaires.


La prochaine fois, j'aimerais résumer la régression linéaire dans l'apprentissage Superviosrd.

Recommended Posts

Introduction à TensorFlow - Explication des termes et concepts d'apprentissage automatique
Introduction à l'apprentissage automatique
[Mémorandum d'apprentissage] Introduction à vim
Une introduction à l'apprentissage automatique
Introduction au Deep Learning ~ Règles d'apprentissage ~
Apprentissage par renforcement profond 1 Introduction au renforcement de l'apprentissage
Super introduction à l'apprentissage automatique
Introduction au Deep Learning ~ Rétropropagation ~
Introduction à la rédaction de notes d'apprentissage automatique
Introduction à l'apprentissage en profondeur ~ Approximation des fonctions ~
Présentation de la bibliothèque d'apprentissage automatique SHOGUN
Introduction au Deep Learning ~ Propagation vers l'avant ~
Introduction à l'apprentissage profond ~ Expérience CNN ~
Introduction à l'apprentissage automatique: fonctionnement du modèle
Introduction au Deep Learning ~ Pliage et mise en commun ~
Une introduction à OpenCV pour l'apprentissage automatique
Une introduction à Python pour l'apprentissage automatique
Introduction à MQTT (Introduction)
Introduction à Scrapy (1)
[Python] Introduction facile à l'apprentissage automatique avec python (SVM)
[Super introduction à l'apprentissage automatique] Découvrez les didacticiels Pytorch
Introduction à Scrapy (3)
[Introduction] Renforcer l'apprentissage
Premiers pas avec Supervisor
Introduction à Tkinter 1: Introduction
[Introduction à StyleGAN2] Apprentissage indépendant avec 10 visages d'anime ♬
Introduction à PyQt
Introduction à Scrapy (2)
[Linux] Introduction à Linux
[Super introduction à l'apprentissage automatique] Découvrez les didacticiels Pytorch
Introduction à Scrapy (4)
Introduction à l'apprentissage profond ~ Fonction de localisation et de perte ~
Introduction à discord.py (2)
[Pour les débutants] Introduction à la vectorisation dans l'apprentissage automatique
Introduction à l'apprentissage automatique à partir de Simple Perceptron
Premiers pas avec le Web Scraping
Introduction aux baies non paramétriques
Introduction au langage Python
Introduction à la reconnaissance d'image TensorFlow
Introduction à OpenCV (python) - (2)
Introduction à l'injection de dépendances
Introduction à Private Chainer
Bulletin de formation recommandé par MS Learn, numéro de février [Introduction à l'IA]
Introduction à l'apprentissage automatique avec scikit-learn - De l'acquisition de données à l'optimisation des paramètres
[Explication pour les débutants] Introduction au traitement du pliage (expliqué dans TensorFlow)
Apprentissage automatique pour apprendre avec Nogisaka 46 et Keyakizaka 46 Partie 1 Introduction
Essayez l'apprentissage Q dans une bataille de style Drakue [Introduction au renforcement de l'apprentissage]