機械学習はデータからの 規則性を抽出 教師あり学習は正解ラベル 付きデータによる学習 教師なし学習は正解ラベルなし データから特徴や構造を抽出 分類は教師あり学習で カテゴリの予測 回帰は教師あり学習で 連続値の予測 ロジスティック回帰は 回帰ではなく分類手法 クラスタリングは教師なしで 類似度によるグループ化 K-means法は クラスタリングの代表的手法 次元削減は情報損失を 抑えた変数削減 分類とクラスタリングの 違いは正解ラベルの有無 強化学習はエージェントの 試行錯誤で報酬最大化 方策は状態に応じて どの行動を選ぶかのルール 教師あり学習は正解ありで 分類と回帰 教師なし学習は正解なしで クラスタリングと次元削減 強化学習は環境との 相互作用による報酬最大化
