scikit-learn機械学習㉗ニューラルネットワーク

前回は、非線形データをSVMのカーネルトリックで分離する実験を行いました。

SVMには、線形カーネル、多項式カーネル、RBFカーネルなどがあり、それぞれ特性が異なるため、最適なカーネルを選ぶにはデータの特徴を深く理解する必要があります。

しかし、これはSVMに限らず、従来の機械学習モデル全般に言えることです。特徴量の設計やモデルの選択は多くの試行錯誤を伴い、複雑なデータに対しては手動での調整が非常に困難になります。

その一方で、ニューラルネットワークは自動的に特徴量を抽出できます。そのため、人間の介入なしにデータから適切な特徴を抽出し、複雑なタスクも高精度で解決できるようになりました。

もちろん、データの特徴を理解する必要性はなくなりませんが、これまで扱ってきた機械学習におけるモデルの選択や特徴量の設計とはアプローチが異なります。

よって今回は、ニューラルネットワークについて解説します。