learning　from dataの解説です。

1. lecture1
機械学習

2. 今後の予定

3. 学習の概要
機械学習の例
学習の要素
簡単なモデル
機械学習の種類
パズル

4. 映画のレビューはどうやってつけてるん
１％の改善は1億円の価値がある
機械学習
パターンを見つけよう
数学的でない
データ至上

5. れびゅー
見る側の好み（アクションと
か）と映画の特性があったら目
的達成

6. れびゅーを学習によって導く
丸の大きさが同じ（関心の偏り
と映画の特徴が一致）ならOK

7. この人にお金を貸しますか？
例２金貸し

8. 機械学習の仕方
金かりたい人の特徴
貸していい/あかん
最終的に出したい関数をｆにし
とく
過去の記録
上を参考にｇという関数を作ってみ
た

9. まだわからん最終形ｆ
過去の例
機械学習のしくみ
仮説的おくｇの総
称H
最終的にｇとｆは
近似

10. 仮説的にｇをセッ
ト
機械学習のしくみ
これらの組み合わ
せが学習モデル
（関数を作りま
くって合ってそう
なんを厳選）

11. 簡単な関数の作り方：パーセプトロ
ン
閾値よりｗｘの和が高かったら金貸
す
閾値よりｗｘの和が低かったら金貸
さん
一次式の関数はこんな感じで提案（
Signを使って貸す時は１貸さん時は-1を出
す）

12. Shreshold(閾値)をwに置き換え
ることで＋だけの式にした
Ｘ０を１にすることでシグマで表しやすくし
た
ベクトルで表すとこうなった（行×列の表
示）

13. 第二弾 PLA（パーセプトロン更新作
業）
さっきのパーセプトロンが導く式
過去のデータ（入出力）をセットし
ていく
関数ｈ（ｘ）が当てはまらないとき、ｗを
更新する

14. PLAの繰り返し
＋がマイナスの領域にミスって入っ
てる
→PLAで式を更新
→完成

15. 機械学習の前提としてるとこと
観測地を使う前に前提を確認しよう
前提によって以下３つに分類される
教師付き学習
教師無し学習
半教師付き学習

16. 教師付き学習
自販機がコインを見分ける例
大量の入出力を与えて閾値を学習させる

17. 教師無し学習
さっきと違って出力は与えられない
入力をある程度の塊にぶんるいするの
み

18. さっきと違って入力といくつかの正しい出
力
チェスはこの方法で学習させれる

19. この答はわからない、なぜなら様々な規則