機械学習 Machine Learningの基本的な考え方(数学etc)
◆目的:
・機械学習における数学的なモデルとか誤差関数、学習etcのキホンを確認。
◆機械学習の3ステップ
・数式モデル→誤差関数→パラメータ調整
◆線形分離の例
・例えば感染or非感染を直線で分離する場合には、下記の式を使う。
y=ax+bのような形式ではない(x1とx2を対称に扱うためとのこと)
● f(x1,x2)の関数の特徴
- この値がゼロなら直線上。
- 値が大きくなるほど直線から離れていく。
● このように用意した関数 f(x1,x2)と感染確率の関係は?
・「×」側に離れると確率が1.0に近づき、「○」側に離れると0に近づくような関数σ(x)を使う。
◆キーワード:
[機械学習、モデル、線形分離、loss function、パラメータ、感染確率P]
◆参考:
・中井悦司、「TensorFlowで学ぶディープラーニング」、マイナビ、22ページ
(2017.9.4.)