統計機械学習用語集

L

Light GBM

勾配ブースティングを利用して、決定木をつくるアルゴリズムの一つ。

R

RDD法(ランダム・ディジット・ダイヤリング法)

サンプリング調査を行う方法で、コンピュータでランダムに電話番号をつくり、

その電話番号の人を対象とする方法。

Z

Zero-shot CoT

プロンプトのテクニック。プロンプトに「Step by Stepで」などの

プロンプトを与えることで、精度を改善する。

ア

アプリオリ・アルゴリズム

アソシエーション分析のアルゴリズム。

分析対象のアイテムが増えるに従って、組み合わせが膨大になり、計算が不可能になる。

そのため、支持度が一定以下のアイテムに対しては、信頼度を計算しない。

アンサンブル学習

複数のモデルでの予測から多数決や平均で決定する考え方。

ランダムフォレストもこの考え方を利用。

オ

オートエンコーダー

ニューラルネットワークで、入力データを圧縮した後、
元のデータを復元して出力するアルゴリズム。

オートマトン

オートマトンとは、状態と遷移の組み合わせであり

以下の性質を持つもの

　・外部からの情報(入力）を受け取る

　・内部状態が保持される

　・入力情報により、内部状態が遷移する

　・内部状態により、外部に情報を発信する

カ

過学習

訓練データに適合しすぎて、未知のデータに対して適合できない。

画像レジストレーション

2つの画像を比較する時、位置を一致させる技術。

ケ

決定木の種類

分類木・・・説明変数が、カテゴリ変数

回帰木・・・説明変数が、量的変数

けんろう性

機械学習の品質特性のうち、入力に対して、

モデルが安定した性能を示すこと。

ク

区間推定

推定のうち、母集団の特性値が含まれると考えられる区間を提示する。

コ

勾配ブースディング決定木

1つ前の木が誤分類したデータを修正するよう、次々決定木を作っていく。

サ

説明可能性

機械学習の品質特性のうち、入力に対して、出力を得る際の

判断基準が把握できること。

シ

信頼区間

推定したい値が含まれるであろう区間。

テ

点推定

推定のうち1つの値を提示する。

ト

特徴量

推定のうち1つの値を提示する。

ノ

ノーフリーランチの定理

どんな問題もに対応できる汎用的なモデルは存在しない、とするもの。

ハ

半教師あり学習

少量の正解ラベルをもつデータを用いて、ラベルおｎないデータを効率的に学習する。

パーセプトロン

複数のニューロンをネットワーク状に繋げたもの。

ヒ

ベインジアンフィルター

迷惑メールのフィルタリングに使われる。
ベイズ理論を応用したアルゴリズム。

フ

物体検出

画像内に写っている物体のカテゴリと入りを推定する。

ミ

未学習

訓練データに適合できていない状態。

訓練誤差が大きすぎて、予測できない。

ル

ルールベース

人間が作成したルールや知識などに基づき判断する考え方。