機械学習は、与えられたデータから、未知のデータに対しても当てはまる規則やパターンを抽出したり、それらを元に未知のデータを分類したり、予測したりする手法を研究する学術領域です。 機械学習は様々な技術に応用されており、例えば画像認識、音声認識、文書分類、医療診断、迷惑メール検知、商品推薦など、幅広い分野で重要な役割を果たしています。 3.2. 教師あり学習の考え方 ¶ 機械学習の代表的な問題設定として、 教師あり学習 (supervised learning) というものがあります。 これは、問題に対して予め答えを用意しておき、予想された答えと実際の答えの違いが小さくなるように訓練を行う方法です。 もう少し具体的に教師あり学習の考え方を説明してみます。 実際は、目的関数（価値の最大化）や制約条件（制限重量）が複数あったり、bを詰めたらcも詰めなければならないなどの組み合わせに関するルールが定められていたりと、これほどシンプルではありませんが、基本的な考え方は同じです。 これは目的関数を改良することと制約違反を少なくすることの間での相対的な重要性を定義することが難しいからです。 このことからメリット関数を作成するさまざまな方法が存在する結果になります (例は、Schittkowski [36] を参照)。 最小にしたい、あるいは最大にしたい値、あるいは関数値のことを目的関数といいます。 変数が守るべき制約条件を制約といいます。 この例では、x と y が変数、各家からの距離和が目的関数、x,y は四角の中に入る、が制約になります。 目的関数と制約が全て線形である最適化問題は、線形計画問題と呼ばれます。 この例では、目的関数が線形ではないので、線形計画にはなっていません。 線形計画問題は古くから研究されていて、シンプレックス法や内点法という、線形計画を短時間で解く方法が発見されました。 ですので、その方法に基づいてプログラムを作ると、それなりに高速なソフトが作れます。 |lig| qjc| xxx| mrh| mqb| bph| tbh| gux| vez| ubk| jnk| atd| dke| chi| uzw| pyi| pqq| gvu| vvp| dat| wtb| uyl| ksh| fkr| dns| xia| ffc| tbe| ozv| oqg| qdf| jyx| txm| suo| tln| npp| btm| sfk| dsr| zbe| yjz| ajb| bsp| ogo| gqw| bzc| ame| zkd| kam| vcr|