MATLAB、Python、Scilab、Julia比較ページはこちら
https://www.simulationroom999.com/blog/comparison-of-matlab-python-scilab/
はじめに
の、
MATLAB,Python,Scilab,Julia比較 第4章 その1【分類問題①】
MATLAB,Python,Scilab,Julia比較 第4章 その2【分類問題②】
を書き直したもの。
内容としては分類問題がメインのシリーズとなる。
形式ニューロン、単純パーセプトロン、多層パーセプトロン(ニューラルネットワーク)の順番で説明していく予定。
分類問題についてもう少し掘り下げた説明をする。
あと、形式ニューロン、パーセプトロンについても簡単に触れる。
これから何をするのか
分類問題対してあれこれとやっていく予定。
分類問題を実現するアルゴリズムは多数あるが、
ここではニューラルネットワークに繋がるルートとして以下を想定している。
- 形式ニューロン
- 単純パーセプトロン
- 多層パーセプトロン(ニューラルネットワーク)
多層パーセプトロンは、最もシンプルなニューラルネットワークになる。
ただし、ニューラルネットワーク自体は、
畳み込みニューラルネットワーク（CNN）や再帰型ニューラルネットワーク（RNN）など、
さまざまな構造とアーキテクチャを持つモデルを含む広範な概念になる。
ついでに言うと、GPTの基礎技術に位置づけされるTransformerアーキテクチャもニューラルネットワークの一種に数えられる。
ここでは、
「多層パーセプトロンが最もシンプル且つ基礎的なニューラルネットワーク」
という認識で十分。
機械学習のカテゴリ分け
分類問題の位置づけについて説明しておく。
これは機械学習のカテゴリ分けをすれば分かる。
機械学習のカテゴリは以下に分けられる。
- 教師あり学習
- 回帰
- 分類
- 教師なし学習
- クラスタリング
- 次元削減
- 強化学習
教師あり学習の回帰は、
以前解説した、単回帰分析、重回帰分析、多項式回帰分析、多変量多項式回帰分析などが含まれる。
分類問題は、
教師あり学習の分類に位置することになる。
少し紛らわしいもので、
教師なし学習のクラスタリングと言うカテゴリがある。
言葉的にもやる事的にも分類に似ている。
一応、明確な違いは定義されていて、
分類は、分類先のクラスラベルが事前に定義されているもの。
クラスタリングは、クラスラベルが定義されておらず、似た属性のものをクラスタとしてとらえるもの。
となる。
具体例を出すと、
分類は、動物の画像を犬と猫に分けるもの
クラスタリングは、大きさ、顔の形状を元に、似たようなものの集団を特定するもの。
クラスタリングの方は犬か猫かは分からない。
仕分け先の箱を最初に用意していれば分類、なければクラスタリングって程度で覚えておけば良いと思う。
次のページへ
分類問題についての掘り下げと、形式ニューロン、パーセプトロンについて少し触れる
コメント