Javado2
- 8. 機械学習とは 機械が学習するんだ データの中にあるパターンを見つけ出す 例) ゴルフをするかしないかの判断をデータから 天気 気温{高, 中, 低} 湿度{高, 普通} 風{有, 無} やる/やらない 晴れ 高 高 無 やらない 曇り 高 高 無 やる 雨 低 普通 有り やらない … … … … … 過去のやった/やらなかった実績からプレイできる条件を探る
- 9. 機械学習とは これを愚直に実装すると… boolean play = false; if (outlook == “overcast”) { play = true; } else if (outlook == “sunny”) { if (humidity == “high”) { play = false; } else if (humidity == “normal”) { play = true; } } else if ...
- 10. 機械学習とは これを愚直に実装すると… boolean play = false; if (outlook == “overcast”) { play = true; } else if (outlook == “sunny”) { if (humidity == “high”) { play = false; } else if (humidity == “normal”) { play = true; } } else if ... いわゆるルールベース ルールが増えると訳が分からない 矛盾してても分からない 管理者がいなくなると死ぬ
- 11. 機械学習とは これを愚直に実装すると… boolean play = false; if (outlook == “overcast”) { play = true; } else if (outlook == “sunny”) { if (humidity == “high”) { play = false; } else if (humidity == “normal”) { play = true; } } else if ... いわゆるルールベース ルールが増えると訳が分からない 矛盾してても分からない 管理者がいなくなると死ぬ データから自動生成したい！ エンジニアたるもの 自動化してなんぼですよね？
- 13. これをさらに発展させると 天気が晴れ -10ポイント 天気が曇り +100ポイン ト 気温が低い 20ポイント 湿度が高い -14ポイント ... ... 合計50ポイント以上ならplayする
- 14. これをさらに発展させると 天気が晴れ -10ポイント 天気が曇り +100ポイン ト 気温が低い 20ポイント 湿度が高い -14ポイント ... ... 合計50ポイント以上ならplayする ここのポイントをどう決めるか データにある結果をうまく表現できるように決める 「ルールベースから機械学習への道」というスライドがわかりやすい http://www.slideshare.net/nishio/ss-53221829 具体的にどうやって決めるかは微積分の知識が必要なので今回は割愛
- 15. これをさらに発展させると 天気が晴れ -10ポイント 天気が曇り +100ポイン ト 気温が低い 20ポイント 湿度が高い -14ポイント ... ... 合計50ポイント以上ならplayする ここの値はどうすんの？
- 16. これをさらに発展させると 天気が晴れ -10ポイント 天気が曇り +100ポイン ト 気温が低い 20ポイント 湿度が高い -14ポイント ... ... 合計50ポイント以上ならplayする ここの値はどうすんの？ playする/しないを+1/-1(0/1)で表現して 出力の閾値を決めておいてその値以上であれば+1として扱うなど システムの出力はその範囲の値を出力するようにする ライブラリを使うとよろしくやってくれるが調整するといい場合もある
- 17. 機械学習の基礎 ちょっとだけ数式使うよ 教師あり学習 {x, y}のペアに対してy = f(x)となるような関数を求める f(x) = w1x1 + w2x2 + ... のように関数の形を決めておいて f(x)がyを表現できるようなwを求める 実際には f(x)の結果とyにどれだけ差があったかを見て近くなるようにwを修正 教師あり学習はさらに扱いたい問題に応じて分けられる 回帰(実数値を予測) 分類(所属するクラスを予測)
- 24. Q&A