未分類

機械学習について

/*まだまだイントロダクションなので具体的なコードや数式は出ず,用語の説明になります*/

機械学習アルゴリズム(以下学習者)はいくつかの例を見せられて学習していきますが,それらの例は何らかの変数(確率変数)に関連づいていて,それらの変数に関する関数やモデルを構築します.

構築された関数やモデルを使えば,それらの確率変数から有益な出力を得ることができます.

/*原因から結果を推測できるようになるということでしょうか.例えば10年分の気象データを見せられて,湿度が高い日は高確率で雨が降っている,よって湿度が高い日は雨が降りやすいに違いないと推測できるようになるとか*/

さて,「変数の取りうる値の組み合わせ」という用語があります.

これは例えば10個の2値変数が存在すれば2^{10}通りの取りうる組み合わせがあるということです.

機械学習ではどの値の組み合わせが再び起こりそうであるかというのが肝になるわけですが,問題は取りうる値の組み合わせが天文学的数字になったりしてとても全て調べ尽くすことが出来ない場合があるということです.

このような問題を「次元の呪い」といいます.

人間の脳もこういった問題に直面することがあるはずなのですが,どのように解決しているのでしょうか?

このような場合,人間の脳は進化の過程で得られた天下りの知識を使用します.

天下りの知識というのは事前確率という形で与えられ,それと現在の状況を加味して事後確率を計算し,未来を予測します.

/*ここらへんは多分に私の解釈を含んでいるので誤りがあるかもしれません.*/

ベイジアン機械学習では次元の呪いを避けるために事前確率を明確な形で保持させ,ベイズの定理を用いて最も起こりそうな結果を予測します(もっとも,その「明確な形で」というのがなかなか難しく,コンピュータ上でデータなりコードなりで表現するのが難しいものもあります.)

広告

コメントを残す

以下に詳細を記入するか、アイコンをクリックしてログインしてください。

WordPress.com ロゴ

WordPress.com アカウントを使ってコメントしています。 ログアウト / 変更 )

Twitter 画像

Twitter アカウントを使ってコメントしています。 ログアウト / 変更 )

Facebook の写真

Facebook アカウントを使ってコメントしています。 ログアウト / 変更 )

Google+ フォト

Google+ アカウントを使ってコメントしています。 ログアウト / 変更 )

%s と連携中