はじめに
分類モデルの出力はカテゴリ別です。つまり、入力のラベル付けや意思決定に使用できます。 たとえば、自動運転では、分類を使用して、道路の分かれ道で左折するか右折するかを決定します。 分類モデルは、靴のサイズや列車の速度など、出力が連続するものになる従来の回帰モデルとは異なります。 分類モデルの動作は多様です。 最初に、ロジスティック回帰に注目します。これは、科学と業界の多くの分野で広く使われている、よりシンプルで一般的な種類のモデルです。
シナリオ: 機械学習での雪崩の予測
このモジュールでは全体を通して、次のシナリオ例を使って分類に関連する概念を説明します。 このシナリオは、自分でプログラミングしているときに、これらの概念が発生する可能性がある例を提供するように設計されています。
あなたの慈善団体は、米国北西部のハイキング コースで雪崩救助活動を行っています。 確かに、最も安全な方法は、スキーやハイキングのシーズン中にすべてのコースを完全に閉じることですが、それではスポーツをする人がアウトドアを楽しむことができません。 目標は、雪崩が発生しそうな日を予測できるモデルを構築することです。 次に、その予測を使って、リスクが高い場合はコースを閉鎖することができます。 雪崩が発生すると予測したのに発生しないと地元の観光に影響を与え、発生しないと予測したのに発生すると人命が失われる可能性があることに注意してください。 明らかに、バランスを見つける必要があります。
注意事項
これらの演習用データは架空の内容であり、教育目的のみに使われます。 熱心なハイカーとスキーヤーの場合: 機械学習は雪崩の予測に使用できますが、このデータまたはトレーニング済みモデルは機械学習の学習以外に使わないでください。
[前提条件]
- 機械学習モデルに関する知識
学習の目的
このモジュールでは、次のことを行います。
- 分類と従来の回帰の違いを調べる
- 分類タスクを実行できるモデルを構築する
- 分類モデルを評価して改善する方法を調べる