教師あり学習

教師あり学習とは
最終的には、問題を明示的に解きたい ( y = f(x) となる f を知りたい )
学習データとして「S = { <x,y> } の形のもの」を与える
y : データ(問題) x へのラベル (正解データ)
問題(x)の答え(y)となるデータを直接与える ( y:正解を知っているので 「教師あり」 )
学習目標
S の要素 s=<x,y'> に対して、できるだけ、関数 y=f(x) が、y' を説明できるように f を決める
例: <x,y'> in S に対し、誤差 |y'-y| = |y'-f(x)| の和(誤差の二乗和)を小くする / 正答 y'=y=f(x) となる確率(正解率)を大きくする
教師あり学習の代表的な手法 のアプローチ
最初に、一般的な枠組み F(x,p) を与える (p [パラメータ] によって F の挙動が変る]
F(x,p) : 機械システム
p : 機械システムの「内部状態」
y=f(x)=F(x,p) : p が決れば、f(x)=F(x,p) の振舞い(外的行動)がきまる
線形回帰の例: p=<a,b>, F(x,p) = F(x,<a,b>) = a x + b
学習データ S を用いて、最適な p を求める
学習した AI : y = f(x) = F(x,p)