クラシック機械学習

人工知能概論（COMP5511）レッスン6へようこそ。このセッションは、理論的基礎から実践的なアルゴリズム実装への橋渡しを行います。現代のAIは深層学習を重視することが多いですが、 クラシック機械学習 は、データ分析の基盤であり続けています。これらのアルゴリズムは高い 解釈可能性 と 計算効率を提供し、構造化データや業界標準の分析において最適な選択肢となっています。

1. 教師あり学習

このパラダイムでは、 ラベル付きデータセットでモデルを訓練し、アルゴリズムが入力特徴量と特定のターゲット出力の関係を学習します。これにより、モデルは 結果を予測 新しい未知のデータに対して正確に予測できるようになります。

• 決定木: データを分岐に分割して、分類または数値の判定に到達するモデル。
• サポートベクターマシン（SVM）: 異なるデータクラス間のマージンを最大化する 最適な超平面 を見つけるアルゴリズム。

2. 教師なし学習

これらのアルゴリズムは、出力がどうあるべきかに関する事前のガイダンスなしに、隠れたパターン、構造、またはグループを発見するために ラベルなしデータ を分析します。主要な手法には以下が含まれます：

• K-meansクラスタリング: 特徴の類似性に基づいてデータポイントをK個の明確なグループに分類します。
• 主成分分析（PCA）: 複雑なデータをその本質的な分散を保持しながら簡素化する 次元削減 手法。