【OSS】Python実装オープンソース機械学習ライブラリ「scikit-learn」---主要な機械学習アルゴリズム

Python実装オープンソース機械学習ライブラリ「scikit-learn」の概要と、「scikit-learnで利用できる主な機械学習アルゴリズム」について紹介。

scikit-learnとは

scikit-learnは、Pythonインターフェースを使用して、教師付き学習および教師なし学習などのアルゴリズムを提供する。

→OSSxCloudNews　→オープンソースのAI・人工知能／scikit-learnとは

scikit-learnで利用できる主な機械学習アルゴリズム

①教師あり学習

概要

教師あり学習とは、正しい回答または分類でタグが付けられている「ラベル付きデータ」を使用して機械をトレーニングする手法。

ユースケース

ユースケースとしては「スパムメールや画像認識などの分類」によく使用される。

②教師なし学習

概要

教師なし学習では、ラベルがついていないトレーニングデータを使用してトレーニングを行う。そのため、アルゴリズム自体は、類似点/パターン/相違点を認識しようとする。

ユースケース

・クラスタリング---顧客または購入者を購入パターンに基づいて分類
・可視化と次元削減---主成分分析、カーネルPCA
・関連ルール学習---特定の認識可能な行動パターンに基づいてルールを設定　など

③半教師あり学習

半教師あり学習とは、部分的にラベル付けされたデータやラベルのないデータを使用してトレーニングを行う手法。

④強化学習

強化学習とは、アクションを実行して結果を見ることによって、環境内でどのように行動するかを学習する手法。

既存例としては、GoogleのDeepMindやAlphaGoなどがある。

⑤バッチ学習/オンライン学習

バッチ学習は、システムウェイトを一定に保ちながら、入力内の各サンプルに関連するエラーを計算する。

オンライン学習では、常にその重みを更新しているのため、誤差計算は各入力サンプルに対して異なる重みを使用する。

以上、下記URLからの要約
https://opensourceforu.com/2018/09/machine-learning-building-a-predictive-model-with-scikit-learn/

この作品は クリエイティブ・コモンズ 表示 - 非営利 4.0 国際 ライセンスの下に提供されています。