線形モデル

Last updated Unknown Edit Source

• 線形モデルは、多次元のデーターに対しては非常に強力
  • つまり、過学習

    過学習

    from 機械は、パラメータを訓練する時間を与えれば与えるほど複雑なモデルを考えようとする それをやめたい そういう意味では、結果に対してはと同じ話をしている 逆に、人間はそういうことはなさそう ことへのモチベを持っているからかな ...

    1/3/2023

    に注意する必要がある (機械学習の検証方法

    機械学習の検証方法

    データーに偏りがある場合は、少ない方でとを測る R^2を使う は、モデルの正確さを表す(only) 0~1 1が完璧に適合(恐らく) ...

    1/3/2023

    )
• Pythonで始める機械学習

  Pythonで始める機械学習

  ...

  1/3/2023

  p67に良くまとまっている
  • パラメーターは、アルファorCの正則化

    正則化

    で、回帰モデルの時にそれぞれの特徴量が与える影響を小さくすることで過学習を防ぐ は、調整が聞かない線形モデルに対して調整する、 Alpha値を操作する ...

    1/3/2023

    調整が重要
  • 線形モデルは、基本的に非常に高速、予測も高速
  • 予測手法がわかりやすい
  • 課題としては、係数の意味が理解しにくい
  • 特徴量

    特徴量

    パターン認識 表現法によって、の次元やパターンの分布も変化 ex: 画像を全ピクセルのベクトルではなく、 色合いのヒストグラムを特徴にする ...

    1/3/2023

    の数が、サンプルの個数よりも多いときに性能を発揮する
• https://riptutorial.com/ja/machine-learning/example/23896/ロジスティック回帰とsvmの違い
  • SVM

    SVM

    色々とややこしいから、決定木とかの方が人気 ただ、特徴量が全部同じスケールになってるとき等は試す価値あり p100あたりに詳しく書いてある、時間ないから雑に読んだ ...

    1/3/2023

    は、分割する線の周りにスペースを取りたがる、ロジスティック回帰は違う
  • 

#教師あり学習 #機械学習 #Pythonで始める機械学習