12,673
回編集
差分
ナビゲーションに移動
検索に移動
→データ圧縮のための次元削減
*'''次元削減(dimensionally reduction / dimension resuction)'''というサブフィールド
*教師なし次元削減は特徴量の前処理においてよく使用されるアプローチの一つ
==機械学習システム構築==
===1.前処理：データ整形===
----
*生データが機械学習アルゴリズム性能最適化に適した形で提供されることはまずないため、データ'''前処理((preprocessing)'''が最も重要な処理の一つとなる
===2.予測モデルの訓練と選択===
----
*'''交差検証(cross-validation)'''では、モデルの'''汎化性能(generalization performance)'''を想定するために、データセットを訓練用と検証用に分割する
*'''ハイパーパラメータ最適化(hypeparameter optimization)'''はデータから学習されるものではなく、モデルの「ツマミ」を回すのに相当し、回すことでモデルの性能を向上させることができる
===3.モデルの評価と未知のインスタンスの予測===
----
==・・・・・・・・・・・・・・・・・==
© 2006 矢木浩人
