Coursera Machine Learning week13. • 「機械学習」を定義する要素
• Task
課題。計算機に解かせたい問題。(スパムメールの分類)
• Performance
性能。課題をどれだけうまく解決できているかの指標。(正常/スパムメ
ールと予測した正解率)
• Experience
経験。課題をより性能良く解決できるよう改善させるために用いる情
報。(ユーザーが付与したスパムメールのラベル)
What is Machine Learning
Introduction
定義の一例であるため人によって呼び方が微妙に異なることがあるが
概ね上記のような要素を含む
4. • 教師あり学習
• アルゴリズムに「正しいデータセット」を与えることによって、
学習を行う
• Housing price prediction(住宅価格予測)
敷地面積を用いて住宅価格を予測。回帰問題。
• Breast Cancer(乳がん予測)
腫瘍のサイズ、年齢を用いて良性or悪性を予測。分類問題。
Supervised Learning
Introduction
https://coursera.org/share/bb93a185f69119d28abe0433620b26e1
6. • Training set
学習データセットの見方(住宅価格予測の例)
• :学習データ数
• :入力変数/特徴量(説明変数)
• :出力変数/目的変数
m
x(i)
y(i)
Model Representation
Model and Cost Function
https://coursera.org/share/fe2222d85641c89b210f965e2939c6db
11. 仮説関数 に対して を変えていきながら目的関数がどのように変化するの
か確認したのが以下の図。 の値を変えていってみると、 の際に最も目
的関数が小さくなることがわかる。つまり学習データを最もうまく説明でき
る仮説関数のパラメータは であると分かる。
hθ(x) θ1
θ1 θ1 = 1
θ1 = 1
Intuition Ⅰ
Model and Cost Function
https://coursera.org/share/ca1b
ff
16540cbeee4e7eb5
ff
fd80d73e