0:00
皆さんお久しぶりです、テック博士です。
前回では人工知能の実用例を助手くんが
説明してくれましたね。
今回からいよいよ、機械学習理論について
学んでいきましょう。
機械学習を学ぶ上で最初に目にするのは「回帰分析」です。
回帰分析とは、
「得られたデータがどのような関数から生み出されたか、という
関数の関係を推測し、次に得られるであろうデータを予測すること」
であります。
つまり、過去のアメダスデータから明日の降水確率を予測したり、
気温と売上に関するデータから、寒い日にはどの飲み物が一番売れるか、
なんてことを予測したりできるわけです。
そして、「関数の関係を推測すること」というのは
次の3つのステップを行うことと同じことになります。
① パラメータを含む数式モデルを仮定
② パラメータを評価する基準を設定
③ 最も適したパラメータを決定
この3つのステップは回帰分析だけではなく、
機械学習の理論を学んでいく上でベースとなる考え方なので
しっかり覚えておきましょう。
さて、パラメータという言葉がたくさん出てきたり、この3ステップが関数を推測することと同じと言われて、少し戸惑った人もいるみたいだね。
よし、助手くん！
この3ステップについて、もう少し詳しく説明をお願いするよ！