バックナンバーはこちら。
https://www.simulationroom999.com/blog/compare-matlabpythonscilabjulia4-backnumber/
はじめに
これから第4章をスタート。
内容としては分類問題がメインのシリーズとなる。
形式ニューロン、単純パーセプトロン、多層パーセプトロン(ニューラルネットワーク)の順番で説明していく予定。
登場人物
博識フクロウのフクさん
イラストACにて公開の「kino_k」さんのイラストを使用しています。
https://www.ac-illust.com/main/profile.php?id=iKciwKA9&area=1
エンジニア歴8年の太郎くん
イラストACにて公開の「しのみ」さんのイラストを使用しています。
https://www.ac-illust.com/main/profile.php?id=uCKphAW2&area=1
これから何をするのか
このシリーズの第3章の最終回で、
第4章は分類問題をやるとかいってたけど、
具体的には何をするの？
分類問題を実現するアルゴリズムは多数あるが、
ここではニューラルネットワークに繋がるルートとして以下を想定している。
- 形式ニューロン
- 単純パーセプトロン
- 多層パーセプトロン(ニューラルネットワーク)
ニューラルネットワークというと、ディープラーニングの基礎的なものとして出てくるね。
多層パーセプトロンがニューラルネットワークってことになるの？
そうなるね。
最もシンプルなニューラルネットワークだ。
ただし、ニューラルネットワーク自体は、
畳み込みニューラルネットワーク（CNN）や再帰型ニューラルネットワーク（RNN）など、
さまざまな構造とアーキテクチャを持つモデルを含む広範な概念になるけどね。
ついでに言うと、GPTの基礎技術に位置づけされるTransformerアーキテクチャもニューラルネットワークの一種に数えられる。
ようわからんが、多層パーセプトロンが最もシンプル且つ基礎的なニューラルネットワークってことか。
ここではその認識で十分だろう。
機械学習のカテゴリわけ
で、分類問題を実現するって言ってたけど、
そもそも分類問題って何？
あと、分類問題以外に何があるの？
まずは機械学習のカテゴリ分けについて簡単に説明しておこう。
以下の分けられる。
- 教師あり学習
- 回帰
- 分類
- 教師なし学習
- クラスタリング
- 次元削減
- 強化学習
ちなみに教師あり学習の回帰は、
このシリーズの第2章でやった、単回帰分析、重回帰分析、多項式回帰分析、多変量多項式回帰分析などが含まれる。
このカテゴリ分けだと
分類問題と言うのは、
教師あり学習の分類の位置づけされるものか。
教師なし学習にクラスタリングってのがあるけど、
これも分類っぽい表現にみえるな。
分類とクラスタリングは確かに似てるな。
一応、明確な違いは定義されていて、
分類は、分類先のクラスラベルが事前に定義されているもの。
クラスタリングは、クラスラベルが定義されておらず、似た属性のものをクラスタとしてとらえるもの。
わからん！
具体例を出すと、
分類は、動物の画像を犬と猫に分けるもの
クラスタリングは、大きさ、顔の形状を元に、似たようなものの集団を特定するもの。
クラスタリングの方は犬か猫かは分からない。
理解したとは言い難いが、まぁ言いたいことはなんとなくわかるかな・・・。
まぁ、仕分け先の箱を最初に用意していれば分類、なければクラスタリングって程度で覚えておけば良いと思うよ。
まとめ
まとめだよ。
- 本シリーズは分類問題を扱っていく予定。
- 機械学習のカテゴリわけを簡単に説明。
- 分類とクラスタリングは雰囲気似てるけど、違うという扱い。
バックナンバーはこちら。
コメント