AIの基礎③「学習済みモデルの応用」


最初に、「教師あり機械学習」によって作られた「学習済みモデル」を使い、その応用まで進めてみた。

簡単なアヤメの特徴量を学習させ、その予測精度を確かめた「学習済みモデル」を使った。確かに、データベース以外の実際のアヤメデータではないが、「応用」もやってみた。


AI技術というものをざっくりと見てきた。結局のところ、「学習済みモデル」という「人口脳」をどれだけ賢くできるかがAI技術者の腕の見せ所になる。

 

ど素人ながら、再度、川島氏の「画像認識プログラミングレシピ」に記載された下図の中で、賢い「人口脳」を作るポイントは、

  • 学習させる訓練(学習)データの質と量
  • 教師あり・学習アルゴリズム(データの特徴量を分類する超平面の求める手法)

ではないだろうか。


なので、上述の教科書に書かれている「教師あり・学習」の重要アルゴリズムを下記に列挙しておこう。

ロジスティック回帰とサポートベクターマシンの使い分けはデータ構造に依存します.

具体的には、サポートベクターマシンが苦手とする大規模データの場合や、説明変数(特徴量)がデータサンプル数よりも多い場合には、ロジスティック回帰はサポートベクターマシンに比べて依然として有用である.

など。

 

今後、これらのアルゴリズムが出てくる背景・歴史、メリット・デメリット、応用分野などを比較しながら整理したいと思う。