公開されている
Machine Learning at Microsoft with ML.NET
のキモ部分を読んで、勉強してみたいと思います。
間違いなどあったら、ごめんなさい。
概要
ML.NETは、マイクロソフトが開発したフレームワークで、
大規模ソフトウェアへ対応した機械学習モデルを容易に作成できる。
そのアーキテクチャと適するアプリケーションを紹介する。
ML.NETのコアとなるデータ抽象であるDataViewは、パイプラインを効率化し
トレーニングから参照時までライフサイクルを通じて利用できる。
また、パフォーマンスに優れたものである。
PR
教師あり学習
・既存データに正確が含まれる。これを(正解)ラベルという
・インプットの中の正解データ以外を、featureという
・教師あり学習では、featureとラベルを学習し、ラベルがわからないでデータに対して、
featureから、ラベルを予測する
教師なし学習
・教師なし学習は、データに正解ラベルがない場合に、利用できる
・データの構造を決定する
・データの類似性を探す場合に利用される
強化学習
・機械学習のモデルに対して、フィードバックを行うことで、改良していく
・強化学習では、ラベル付けられたデータは利用しない。
・強化学習では、エージェントと呼ばれるプログラムを利用して、結果を測定し、
フィードバックすることで、自律的に学習する。
・チェスやロボットなどに利用される
歪度は、分析の中心位置からみて、左右対称かを表す
尖度が、0とは、左右対称である
尖度は、分布が尖っているか、ゆるやかかを、表す
主成分分析
観測された項目から、主成分と言われる、まとめる変数を考える
因子分析
観測された項目を説明できるモデルをつくる
ファインチューニング
事前学習ずみのモデルのパラメータの初期値は利用するが、
全てのレイヤーで学習を行う
移転学習
事前学習ずみのモデルの入力に近いレイヤーは学習を行わず、
出力に近い部分のみ学習する
