機械学習

訓練・検証・テストデータの分割、過学習と正則化、混同行列や適合率・再現率といった評価指標をG検定向けに整理。データリーケージの注意点も解説します。

強化学習の基本をG検定向けに解説。エージェントと環境のループ、探索と活用のトレードオフ、マルコフ性と割引率、価値関数とQ学習・方策勾配法の違いを整理します。

機械学習の教師あり学習・教師なし学習・強化学習の違いを表で整理。説明変数と目的変数、特徴量設計、ディープラーニングが特徴表現学習と呼ばれる理由を解説します。

教師なし学習の代表手法をG検定向けに整理。クラスタリングとk-means、主成分分析による次元削減、協調フィルタリングのコールドスタート問題を解説します。

線形回帰・ロジスティック回帰・決定木・ランダムフォレスト・SVMなど教師あり学習の代表手法を、回帰と分類の違いから一覧表で整理します。