機械学習

≪【前の記事】バッチサイズとエポック 損失関数の平均値分類問題を学習するネットワークの場合、出力値 $\boldsymbol{y}$ の各成分が入力データの属するクラスを表します。たとえば下図にあるように、ネットワークに $\boldsym...

≪【前の記事】1 of K 表記法 バッチサイズとエポック ミニバッチ学習機械学習においては、普通は手持ちのデータをまとめて全部学習に使うようなことはしません。全データを訓練データとテストデータに分け、さらに訓練データもいくつかのバッチ（か...

≪【前の記事】複数データの同時入力1 of K 表記法 (one-hot表現)ニューラルネットワークは、バックプロパゲーションという手法を使って出力値を目標変数（正解値）に近づけるように重みを調整します。ネットワークが分類問題を学習する場合...

≪【前の記事】人工ニューラルネットワーク 複数データの同時入力重みパラメータ $W$ を最適化するためには、たくさんのデータ $\boldsymbol{x}$ を入力し、ネットワークから出力値を得て、実測値との差分から損失関数を計算する必要...

≪【前の記事】人工ニューロン ニューラルネットワークの構造生物のニューラルネットワークをコンピュータ上に模倣したモデルを人工ニューラルネットワーク（Artificial Neural Network）とよびます。機械学習の分野では「人工」を...

≪【前の記事】生物の神経細胞ネットワーク人工ニューロン (Artificial Neuron)神経細胞のモデル化前回記事で扱った生物の神経細胞（ニューロン）の機能になぞらえて、コンピュータ上に「複数の信号を受け取り、適当な重み（荷重）を加え...

≪【前の記事】気温と湿度による降雪現象の分類 本章から現代の機械学習の核心部分ともいえる人工ニューラルネットワークを学びます。人工ニューラルネットワークは、生物の神経細胞間で行われる情報伝達の仕組みを模倣した自動学習システムです。本格的な人...

≪【前の記事】決定境界によるクラス分類 北海道室蘭市の降雪現象の分類2017年11月1日から2018年1月31日にかけての、北海道室蘭市の最低気温 $\boldsymbol{\mathrm{X}}$ と平均湿度 $\boldsymbol{\...

≪【前の記事】交差エントロピー誤差関数 クラス分類前回記事で定義した平均交差エントロピー関数を最小化するパラメータベクトルを決定します。 共役勾配法(Conjugate Gradient Method)今回は共役勾配法（Conjugate ...

≪【前の記事】最尤推定 対数尤度と交差エントロピー誤差関数前回記事では、ある気温 $x$ が与えられたとき、目標変数 $y$ が $1$ をとる（すなわち雨に分類される）確率 $P(t=1|x)$ は ロジスティック関数 \ によって与えら...