イントロダクション
分類モデルの出力はカテゴリ別であり、入力のラベル付けや意思決定に使用できます。 たとえば、自動運転車は、道路のフォークで左折するか右折するかを決定するために分類を使用します。 分類モデルは、靴のサイズや列車の速度など、出力が連続する従来の回帰モデルとは異なります。 分類モデルは、そのしくみで多様です。 まず、科学と業界の多くの分野で広く使用されている、よりシンプルで人気のあるモデルであるロジスティック回帰に焦点を当ててみましょう。
シナリオ: 機械学習による雪崩の予測
このモジュール全体で、次のシナリオ例を使用して、分類に関連する概念を説明します。 このシナリオは、独自のプログラミングでこれらの概念を満たす方法の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の雪崩救助活動を担当しています。 確かに、最も安全なオプションは、スキーやハイキングのシーズン中にすべてのトレイルを永久に閉鎖することですが、それはスポーツの人々が素晴らしいアウトドアを楽しむことができないことを意味します! 目標は、個々の日が雪崩につながる可能性があるかどうか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。 予測を行う際には注意してください。起こらない雪崩を予測すると、地元の観光が損なわれる可能性があります。一方、起こる雪崩を予測しないと、命が失われる可能性があります。 明らかに、残高を見つける必要があります。
注意事項
これらの演習のデータは、教育目的でのみ作成されます。 熱心なハイカーやスキーヤーの場合:雪崩の予測には機械学習を使用できますが、機械学習に関する学習以外は、このデータやトレーニング済みのモデルを使用しないでください。
[前提条件]
- 機械学習モデルに関する知識
学習目標
このモジュールでは、次の操作を行います。
- 分類と従来の回帰の違いについて説明します。
- 分類タスクを実行できるモデルを構築します。
- 分類モデルを評価して改善する方法について説明します。