教師あり学習の代表的な手法
更新日:
用語解説
教師あり学習は、入力特徴量と正解ラベルの組から対応関係を学び、未知データの分類又は連続値の回帰を予測する機械学習です。
■ 試験で押さえるポイント
線形回帰・ロジスティック回帰は線形な関係を係数で表し、前者は連続値、後者は分類確率に使います。
決定木は特徴量の条件で分岐し解釈しやすく、ランダムフォレストや勾配ブースティングは複数木を組み合わせて性能を高めます。
サポートベクターマシンはクラス間のマージンを最大化し、k近傍法は近い学習例のラベルから予測します。
ニューラルネットワークは多層の重みを学習して複雑な関係を表せます。過学習、データ偏り、評価指標、説明可能性を用途に応じて管理します。
■ 選択肢での判断ポイント
分類はカテゴリ、回帰は連続値を予測します。正解ラベル付きデータを使う点で教師なし学習・強化学習と区別します。
例: メールを迷惑・正常へ分けるのは分類、住宅の面積等から価格を予測するのは回帰です。