AI手法選定 - ntuf/Tips GitHub Wiki
■色と面積のアプリ
・教師なし学習でやれば
相関を調べれば、法則の未然の相関関係が見えてくるかも
・教師あり学習でやれば 新しい配色を提案してくれるかも?
「回帰」になるか?
回帰:相関関係のある値(体重)を説明・予測する
色々な条件での売り上げの予測とかに使われる
でも教師なしのクラスタリングのレコメンドかな?
「協調フィルタリング」でレコメンドかな:教師なし
Spotifyではディープラーニングを利用するまで、協調フィルタリングを活用していた。協調フィルタリングというのは、「何曲も同じ曲を聴いている人同士は、似たような音楽の趣味をしている。」という仮説のもとでユーザーの再生履歴から曲のレコメンドをする。
つまり、この方式では曲そのものは見ていない。
k近傍法のレコメンドがいいのか 一番単純らしい。
教師なし学習」である「クラスタリング」
k平均法はクラスタリングの代表的アルゴリズム
■
■色と面積のアプリ
・自分の好みの色の組み合わせを学習させてみる?
教師あり学習?教師なし学習は出力すべきものがあらかじめ決まっていない。
教師なし
クラスタ分析
主成分分析
ベクトル量子化
自己組織化
教師あり
教師なし
強化学習(報酬あり)
アルゴリズムSVM:「分類」、「回帰」に利用可能な教師あり学習
アヤメ品種を分類 手書き数字の認識 外国語の文書を判定ランダムフォレスト:「分類」、「回帰」に利用可能な教師あり学習
クラスタリング :教師なし学習
TensorFlow ニューラルネットワーク 深層学習
Q.SVMやランダムフォレストは教師ありだが、 ディープラーニングは教師なし?→ディープラーニング関連製品の9割以上は教師あり学習によるもの
だから、包含されるレベルにはない。Q.ディープラーニングはアルゴリズム?→そう言っていいと思う。
■
pythonの本で、したいことはどの分類に入るのか。
・色々なデザイン誌の配色を学習して、好みの美しい配色を提案する
・採取した様々なデータから相関を見つけ出す。
様々な日常要因が健康に影響があるかを個人別に見つけ出す。
これらは何でやればいいのか
教師あり
教師なし
強化学習(報酬あり)
アルゴリズムSVM:
「分類」(カテゴリを予測)、
「回帰」(数値を予測する)に利用可能な教師あり学習
アヤメ品種を分類
手書き数字の認識
外国語の文書を判定
ランダムフォレスト:「分類」、「回帰」に利用可能な教師あり学習
クラスタリング :教師なし学習
回帰問題として適切なものの組み合わせ
◯「家賃予測」と「気温予測」
×「売上予測」と「0~9の手書き文字認識」
×「画像に写っているものの識別」と「文章の著者予測」
×「顔写真の男女識別」と「株価予測」
「教師なし学習」
機械学習の手法の一つ。分析の基準や正解を与えず、学習対象のデータだけを与えることで、データの持つ規則性や傾向をコンピューター自身に発見させる。規則性や傾向の発見には、入力されたデータを特徴量ごとにクラスタリングする方法が使われる。
データが持つ本質や構造を抽出したいときに有効で、膨大なデータから自動で相関関係やパターンを見つけ出せるため、学術研究やデータマイニングでの利用が期待されている。デメリットとしては、学習内容をコンピューターに任せるため学習の制御が難しく、与えるデータの質やクラスタリングに使うアルゴリズムによって分析精度が落ちやすいことが挙げられる。
ーーー
・採取した様々なデータから相関を見つけ出す。健康に影響があるか。
様々な日常要因が健康に影響があるかを個人別に見つけ出す。
→教師なし学習なのかな。上のせつで判断すると。
ーーー
機械学習の用途は、
回帰、
分類、
クラスタリング、
次元削減、
レコメンデーション
に大別できる。
半教師あり学習とかもある
「レコメンデーション 教師あり」
レコメンデーションだから結局は、教師なしらしい。
GoogleのAlphaGoという囲碁のAIがプロ棋士に勝ったというニュースがありましたが、これは強化学習を使用して鍛えたAIを使用したそうです。
Deep Learning(ニューラルネットワーク)と強化学習を組み合わせ、「深層強化学習」とよぶこともあります。
機械学習の手法には大きく分けて三つある。教師あり・なし学習と強化学習だ。ディープラーニングは、いずれにも適用できる。
前述のNg氏によると、ディープラーニング関連製品の9割以上は教師あり学習によるものだそうだ。https://thinkit.co.jp/story/2015/08/31/6364
クラスター分析が相関関係を分析できるらしい。
結論
深層クラスタリング技術に興味があるといういこと
・採取した様々なデータから相関を見つけ出す。
様々な日常要因が健康に影響があるかを個人別に見つけ出す。
は、きっとこれだろう。
・色々なデザイン誌の配色を学習して、流行りの美しい配色を提案する
はどうだろう。
美しい配色の相関関係を見つけて法則性を見つけるとしたら、「深層クラスタリング」なんだろう
配色を提案するのなら、教師があるのだから教師あり学習で、回帰なのか?