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.）