Please enable JavaScript.

Coggle requires JavaScript to display documents.

第４章機械学習の具体的手法 - Coggle Diagram

- - - - k・分割交差検証
        
        訓練データとテストデータを複数回
      - ホールドアウト検証
        
        事前に訓練データとテストデータを分割
  - - - 予測値
        真・偽
      - 偽陰性（FN)
        false negative
      - 真陽性（TP）
        true positive
        
        実測値　真
      - 信陰性（TN)
        ture negative
      - 擬陽性（FP)
        false positive
        
        擬
    - - TP + TN / TP + TN + FP + FN
    - - TP / TP + FP
      - 真と予測したものが、どれだけ実際に真だったか
    - - 実測値をどんだけ予測できたか
      - TP / TP + FN
    - - 2 × precision×recall / precision + recall
  - - - L1正則化
        
        一部のパラメータ値をゼロにする
      - L2正則化
        
        パラメーターの大きさに応じてゼロにする
        
        滑らかなモデルを作れる
- - - - 正則化
        
        ラッソ回帰
        lasso regression
        
        リッジ回帰
        ridge regression
    - - シグモンド関数
      - 2種以上の分類の時は
        
        ソフトマックス関数
    - - ブーストサンプリング
      - 多数決
      - 複数のモデル学習
        
        アンサンブル学習
        
        全体から一部のデータを用いて複数モデル学習
        
        ハギング（並列作成）
    - - ブースティング（逐次作成）
    - - 扱うデータが高次元
        
        高次元に写像カーネル関数
        
        カーネルトリック
        
        マージンの最大化
      - データは線形分類できない
    - - 単純パーセプトロン
        
        入力層・重み・出力層
        
        0or1
        
        シグモンド関数利用
        
        多層パーセプトロン
        
        非線形分類も可能に
        
        単純パーセプトロンの積み重ね
        
        隠れ層
        
        入力層と出力層の間
        
        誤差逆伝播法
        backpropagation
        
        フィードバック
        
        予測値と実測値との差