バギングについて
バギング：色々な人に意見を聞いて、より確実な答えを見つけよう！ バギングは、アンサンブル学習の仲間で、こちらも複数の弱い学習器を組み合わせて、より良い予測をするための方法です。ブースティングとは少し違う考え方をしています […]
アンサンブル学習と弱学習器、ブースティングについて
アンサンブル学習：みんなで力を合わせる作戦！ アンサンブル学習は、まるでチームで難しい問題に取り組むようなイメージです。一人で考えるよりも、色々な人の意見を聞いた方が、より良い答えにたどり着けることがありますよね？ 弱学 […]
交差エントロピーと平均二乗誤差
どちらも、機械学習で「先生」（正解データ）と「生徒」（予測モデル）のズレを測るための物差しのようなものです。生徒の出した答えが、先生の教えた正解とどれくらい違うのかを数字で表します。 1. 平均二乗誤差（Mean Squ […]
リッジ回帰とラッソ回帰
線形回帰の「ちょっと困ったこと」 線形回帰は、データにあるまっすぐな関係を見つけるのに便利でしたが、いくつか「ちょっと困ったこと」がありました。 そこで登場するのが「リッジ回帰」と「ラッソ回帰」です！ この2つは、線形回 […]
教師あり学習と線形回帰
「教師あり学習」 先生が生徒に問題を教えて、生徒が答えを学ぶのに似ています。 つまり、教師あり学習は、「正しい答えが分かっているたくさんのデータを使って、新しいデータに対する答えを予測する」方法のことです。 「線形回帰」 […]