G検定対策　その３

今日も引き続き、G検定対策の勉強について記述していきます。
よかったら、読んでください。

今日、学習した内容は、教師あり学習と教師なし学習です。
教師がある？なし？と不思議な表現が使われています。

教師とは、入力データに対して用意された教師データと呼ばれるもののことです。
教師あり学習は、入力データから導き出される答えが、その教師データに近づくようにパラメータ（変数）を調整していきます。
例：過去の物件情報をもとに家賃を予測したい
入力データ：広さ、築年数、最寄りの駅からの距離
教師データ：過去の家賃データ

一方、教師なし学習が教師データが用意されていないので、データの項目間に存在する関連性を抽出するために用いられます。
教師なし学習がよく使われるもの：クラスタリング
クラスタリングは、教師データを持たないで、グループ分けすることを目的としています。
例：ECサイトで顧客の購入実績や商品の閲覧履歴からおすすめ商品を提案する。

その他のキーワード
教師あり学習
・回帰(Regression):家賃や気温、株価など連続した具体的な値を予測。
・目的変数(従属変数):「家賃」のように予測する対象。
・説明変数(独立変数):「部屋の広さ」のように予測値の原因となる対象。

・分類(Classify):犬と猫、アヤメの種類などを判別。
・二項分類(二値分類／２クラス分類):「犬」、「猫」のように２つのクラスに分類すること
・多項分類(多クラス分類):２クラス以上に分類すること。

今日のところは、以上です。まだ続けていきますので、気になったら、また、見て下さい。
ご覧いただきありがとうございました。

参考文献：
“キーワード集中解説"で最短合格 ディープラーニングG検定 ジェネラリスト 対策テキスト
金井 恭秀 (著), 岩間 健一 (著), 加藤 慎治 (著), 村松 李紗 (著)
出版社 : リックテレコム (2021/1/29)
発売日 : 2021/1/29