Download as PDF, PPTX
Uploaded byNaoya Tosaka
PDF, PPTX421 views
CDLE Lt甲子園予選会 2021 #1 0527 01(itok)
5/27に行われたCDLE Lt甲子園予選会 2021 #1の発表資料です！
Recommended
More Related Content
Similar to CDLE Lt甲子園予選会 2021 #1 0527 01(itok)
More from Naoya Tosaka
CDLE Lt甲子園予選会 2021 #1 0527 01(itok)
- 1.
- 2.
- 3.AI（人工知能）、機械学習、ディープラーニングの関係人工知能(AI:Artificial Intelligence)機械学習(ML:Machine Learning)ニューラルネットワーク(NeuralNetwork)ディープラーニング決定木k近傍法 ナイーブベイズSVMアンサンブル学習技術領域的には 実際のイメージ的にはルールベース人工知能(AI:Artificial Intelligence)ディープラーニング≒人工知能機械学習≒人工知能今回はここのお話
- 4.
- 5.ランダムフォレスト:2:1 多数決• アンサンブル学習•並列処理ブートストラップサンプリング分類結果
- 6.
- 7.05101520-6 -4 -20 2 4 6パラメータが1つの場合は、1点で分離→分離不可能パラメータが2つの場合は、直線で分離→分離可能に直線で分離できない場合の対処法カーネル関数によるカーネルトリックを利用
- 8.05101520-6 -4 -20 2 4 6パラメータが2つの場合は、直線で分離→分離不可能パラメータが3つの場合は、平面で分離→分離可能に直線で分離できない場合の対処法カーネル関数によるカーネルトリックを利用
- 9.
- 10.k=3・最もシンプルな手法・怠惰学習（lazy learning）と呼ばれることも分類結果:2:1 多数決ｋ近傍法（k-NN:k-nearest neighbor）近い順にｋ個のデータを取り、多数決で分類を決める
- 11.
- 12.振り返り実際にデータがどう分類されるのかを（ほぼ）共通の図を使って説明してみましたイメージとしては、タテヨコタテヨコと切っていくのが → 決定木（木が集まるとランダムフォレスト）斜めにスパッと切るのが→ SVM（スパッといかないときはカーネルトリックで）確率分布の山探しが → ナイーブベイズ周囲に日和るのが → k近傍法実務上は、どの手法がいいかわからなければ、全部やってみる → AutoMLみなさんはどんな説明がいいとお感じになったでしょうか？このあとご意見、ご感想をお聞かせください。
- 13.