はじめに
このモジュールでは、機械学習モデルに例から学習させる "教師あり学習" と呼ばれるプロセスについて説明します。
教師あり学習を理解することで、学習プロセスの個々のコンポーネントと、このプロセスによってモデルを改善する方法について、より深く掘り下げていくことができます。 例を通じて、この学習プロセスを正しく設定することが、ハイ パフォーマンスなモデルを実現するためにどれだけ重要であるかも確認します。
このモジュールでは全体を通して、次のシナリオを使用して教師あり学習のプロセスを説明します。 このシナリオでは、自分でプログラミングしているときに、どのようにしてこれらの概念を満たすことができるかを示す例になるように設計されています。
あなたの家は、ワシントン州で最も長く営まれているヘラジカの農場を何代かにわたって管理してきましたが、数十年の間に群れの健康状態は徐々に悪化してきました。 夜間の平均気温が氷点 (32°F つまり 0°C) より高い場合、農場にいる品種のヘラジカには穀物の餌を与えるべきでないことがよく知られています。 そのため、あなたは常に、祖父の飼育カレンダーに従い、1 月 31 日を過ぎた後は餌を穀物から切り替えてきました。
最近、気候変動が畜産技術に影響を与えているという記事を読みました。 この変化は、ここ数年におけるヘラジカの健康状態の悪化を説明できるものでしょうか。 そこで、手元にある過去の気象データを使用して、地元の気温が祖父の時代から変化したかどうか、飼育カレンダーを更新する必要があるかどうかを確認しようとしています。
前提条件
入力、出力、およびモデルに関する基本的な知識が必要です。
学習の目的
このモジュールでは、次のことを行います。
- 教師ありと教師なしの学習を定義する。
- コスト関数が学習プロセスに与える影響を確認する。
- 勾配降下法によってモデルがどのように最適化されるのかを確認する。
- 複数の学習率を試し、それらがトレーニングに与える影響を確認する。