[go: up one dir, main page]

教師あり学習(きょうしありがくしゅう, 英: Supervised learning)とは、機械学習の手法の一つである。事前に与えられたデータをいわば「例題(=先生からの助言)」とみなして、それをガイドに学習(=データへの何らかのフィッティング)を行うところからこの名がある。 典型的なものとして分類問題と回帰問題がある。たとえば最も簡単な分類問題である二値分類問題では、訓練データ(例題)が、典型的にはベクトルとラベルの組として、 のように与えられる。ここで、 は0または1の2値を取るラベルで、 は 番目のデータの座標を表す。そして「学習」とは、これらのデータに何らかの基準でもっとも合う関数関係 を求めることである。回帰問題でもほぼ同様で、違いは が離散値の代わりに実数値を取るということである。 このような関数関係が求められれば、未知のデータ にそれを適用して、予言 を与えることができる。分類問題であればこれを分類器、回帰問題であればこれを回帰曲線などと称する。

Property Value
dbo:abstract
  • 教師あり学習(きょうしありがくしゅう, 英: Supervised learning)とは、機械学習の手法の一つである。事前に与えられたデータをいわば「例題(=先生からの助言)」とみなして、それをガイドに学習(=データへの何らかのフィッティング)を行うところからこの名がある。 典型的なものとして分類問題と回帰問題がある。たとえば最も簡単な分類問題である二値分類問題では、訓練データ(例題)が、典型的にはベクトルとラベルの組として、 のように与えられる。ここで、 は0または1の2値を取るラベルで、 は 番目のデータの座標を表す。そして「学習」とは、これらのデータに何らかの基準でもっとも合う関数関係 を求めることである。回帰問題でもほぼ同様で、違いは が離散値の代わりに実数値を取るということである。 このような関数関係が求められれば、未知のデータ にそれを適用して、予言 を与えることができる。分類問題であればこれを分類器、回帰問題であればこれを回帰曲線などと称する。 (ja)
  • 教師あり学習(きょうしありがくしゅう, 英: Supervised learning)とは、機械学習の手法の一つである。事前に与えられたデータをいわば「例題(=先生からの助言)」とみなして、それをガイドに学習(=データへの何らかのフィッティング)を行うところからこの名がある。 典型的なものとして分類問題と回帰問題がある。たとえば最も簡単な分類問題である二値分類問題では、訓練データ(例題)が、典型的にはベクトルとラベルの組として、 のように与えられる。ここで、 は0または1の2値を取るラベルで、 は 番目のデータの座標を表す。そして「学習」とは、これらのデータに何らかの基準でもっとも合う関数関係 を求めることである。回帰問題でもほぼ同様で、違いは が離散値の代わりに実数値を取るということである。 このような関数関係が求められれば、未知のデータ にそれを適用して、予言 を与えることができる。分類問題であればこれを分類器、回帰問題であればこれを回帰曲線などと称する。 (ja)
dbo:wikiPageID
  • 736810 (xsd:integer)
dbo:wikiPageLength
  • 1512 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID
  • 91790398 (xsd:integer)
dbo:wikiPageWikiLink
prop-en:wikiPageUsesTemplate
dct:subject
rdfs:comment
  • 教師あり学習(きょうしありがくしゅう, 英: Supervised learning)とは、機械学習の手法の一つである。事前に与えられたデータをいわば「例題(=先生からの助言)」とみなして、それをガイドに学習(=データへの何らかのフィッティング)を行うところからこの名がある。 典型的なものとして分類問題と回帰問題がある。たとえば最も簡単な分類問題である二値分類問題では、訓練データ(例題)が、典型的にはベクトルとラベルの組として、 のように与えられる。ここで、 は0または1の2値を取るラベルで、 は 番目のデータの座標を表す。そして「学習」とは、これらのデータに何らかの基準でもっとも合う関数関係 を求めることである。回帰問題でもほぼ同様で、違いは が離散値の代わりに実数値を取るということである。 このような関数関係が求められれば、未知のデータ にそれを適用して、予言 を与えることができる。分類問題であればこれを分類器、回帰問題であればこれを回帰曲線などと称する。 (ja)
  • 教師あり学習(きょうしありがくしゅう, 英: Supervised learning)とは、機械学習の手法の一つである。事前に与えられたデータをいわば「例題(=先生からの助言)」とみなして、それをガイドに学習(=データへの何らかのフィッティング)を行うところからこの名がある。 典型的なものとして分類問題と回帰問題がある。たとえば最も簡単な分類問題である二値分類問題では、訓練データ(例題)が、典型的にはベクトルとラベルの組として、 のように与えられる。ここで、 は0または1の2値を取るラベルで、 は 番目のデータの座標を表す。そして「学習」とは、これらのデータに何らかの基準でもっとも合う関数関係 を求めることである。回帰問題でもほぼ同様で、違いは が離散値の代わりに実数値を取るということである。 このような関数関係が求められれば、未知のデータ にそれを適用して、予言 を与えることができる。分類問題であればこれを分類器、回帰問題であればこれを回帰曲線などと称する。 (ja)
rdfs:label
  • 教師あり学習 (ja)
  • 教師あり学習 (ja)
owl:sameAs
prov:wasDerivedFrom
foaf:isPrimaryTopicOf
is dbo:wikiPageWikiLink of
is owl:sameAs of
is foaf:primaryTopic of