学習と学習データ

「学習」の目標
より「問題が解決できる」ようになる事
「問題」の「解決」
「問題」の「解」が得られれば良い
[注意] 「問題の解決」には、「解を求める」以外にもある (問題を回避する/保障する/etc..)
「問題」が与えられた時に、「解」を与える機械システム(AI)を学習によって作る
与えられた「問題」から、より「正確」に、あるいは、より「高確率」に「解」を出すようにする
学習データ
「学習」の根拠となる情報の集まり
何らかの「規則」に従っている
規則の例 1 : 直線 y = a x + b の近辺[誤差のためズレがある]に集っている
規則の例 2 : 猫の写真には "cat", 犬の写真には "dog" とラベル付けされている
「規則」の形 (x : 説明変数 / y : 目的変数 )
規則の一般形 : P(x,y) [x,y の間に P という関係が成り立つ]
陰関数(暗示的)表現 : F(x,y)=0 [数式 F(x,y)=0 の時 P(x,y) が成り立つ]
陽関数(明示的)表現 : F(x,f(x))=0 [y=f(x) の時、F(x,f(x))=0 となり、P(x,f(x)) が成立]
観測データ (学習に用いられるデータ [誤差 E] を含む) : { <x,y'> | y' = y + E = f(x)+E }
誤差 E は、統計的な手法[誤差の平均は 0]により、消去可能