タダです。
Cousera の 「Machine Learning Course」を受講してます。 www.coursera.org
講座の Introduction 以降を受講したので個人的なメモをまとめていきます。
第1週の講座は、次の3つのセクションになります。
- Model and Cost Function
- Parameter Learning
- Linear Algebra Review
Model and Cost Function
回帰に関する事例として住宅価格の例が紹介された。
講座では学習の訓練セットとして、以下のモノを使った。
- 小文字のm :訓練のサンプル数
- 小文字のx :入力変数、特徴
- y:出力変数、目標変数
訓練セットによって定義されるものは、教師あり学習アルゴリズムになる。
住宅価格の例のように、予測しようとしている目標変数が連続的である場合、回帰問題と呼ぶ。
少数の離散値(数値が連続していない)しか取ることができない時(例えば、癌腫瘍を見てどれが悪性でどれが良性かを判別する場合など)、分類問題と呼ぶ。
Parameter Learning
最急降下法は、適当に初期点を選び、関数の値の最小値あるいは局所的最小値に到達するように反復する。
最小値を求める目的関数(コスト関数)と、偏微分項(勾配)が最急降下法を使うのに必要になる。
なお、ディープラーニングの文脈では、最急降下法をベースにした確率的勾配降下法が使われることがある。
Linear Algebra Review
本章では、行列とベクトルの解説に加えて、行列同士の計算、ベクトル同士の計算、行列とベクトルの計算が解説された。
また、行列のインバース(逆行列)は手で計算せず、プログラミングでやることが多く、 Octave が紹介された。
まとめ
第1週のプログラムで以下のことを学びました。
第2週のプログラムも引き続き受講していきます。