Pythonによる機械学習-メソッド

データを使用して実際の問題を解決するためのモデルを構築するために使用できるさまざまなMLアルゴリズム、手法、および方法があります。この章では、このようなさまざまな種類の方法について説明します。

さまざまなタイプのメソッド

以下は、いくつかの広範なカテゴリに基づくさまざまなMLメソッドです-

リンク：/machine_learning_with_python/machine_learning_with_python_based_on_human_supervision [人間の監督に基づく]
リンク：/machine_learning_with_python/machine_learning_with_python_unsupervised_learning [教師なし学習]
リンク：/machine_learning_with_python/machine_learning_with_python_semi_supervised_learning [半教師あり学習]
リンク：/machine_learning_with_python/machine_learning_with_python_reinforcement_learning [強化学習]

機械学習に適したタスク

次の図は、さまざまなML問題に適切なタスクのタイプを示しています-

ML問題のタスク

学習能力に基づく

学習プロセスでは、以下は学習能力に基づいたいくつかの方法です-

バッチ学習

多くの場合、利用可能なトレーニングデータ全体を使用して、モデルを一度にトレーニングする必要があるエンドツーエンドの機械学習システムがあります。このような種類の学習方法またはアルゴリズムは、*バッチ学習またはオフライン学習*と呼ばれます。バッチ学習またはオフライン学習と呼ばれるのは、1回限りの手順であり、モデルが1つのバッチでデータを使用してトレーニングされるためです。以下は、バッチ学習方法の主な手順です-

*ステップ1 *-まず、モデルのトレーニングを開始するためにすべてのトレーニングデータを収集する必要があります。
*ステップ2 *-次に、トレーニングデータ全体を一度に提供して、モデルのトレーニングを開始します。
*ステップ3 *-次に、満足のいく結果/パフォーマンスが得られたら、学習/トレーニングプロセスを停止します。
*ステップ4 *-最後に、このトレーニング済みモデルを実稼働環境に展開します。ここでは、新しいデータサンプルの出力を予測します。

オンライン学習

これは、バッチまたはオフラインの学習方法とはまったく逆です。これらの学習方法では、トレーニングデータはミニバッチと呼ばれる複数のインクリメンタルバッチでアルゴリズムに提供されます。以下は、オンライン学習方法の主な手順です-

*ステップ1 *-まず、モデルのトレーニングを開始するためのすべてのトレーニングデータを収集する必要があります。
*ステップ2 *-次に、トレーニングデータのミニバッチをアルゴリズムに提供して、モデルのトレーニングを開始します。
*ステップ3 *-次に、アルゴリズムに複数の増分でトレーニングデータのミニバッチを提供する必要があります。
*ステップ4 *-バッチ学習のように停止しないため、ミニバッチでトレーニングデータ全体を提供した後、新しいデータサンプルも提供します。
*ステップ5 *-最後に、新しいデータサンプルに基づいて一定期間学習を続けます。

一般化アプローチに基づく

学習プロセスでは、以下は一般化アプローチに基づいたいくつかの方法です-

インスタンスベースの学習

インスタンスベースの学習方法は、入力データに基づいて一般化を行うことによりMLモデルを構築する便利な方法の1つです。この種の学習にはMLシステムと、生データポイント自体を使用して、トレーニングデータの明示的なモデルを構築せずに新しいデータサンプルの結果を引き出す方法が含まれるという点で、以前に研究された学習方法とは異なります。

簡単に言えば、インスタンスベースの学習は、基本的に入力データポイントを調べ、類似性メトリックを使用して動作を開始し、新しいデータポイントを一般化して予測します。

モデルベースの学習

モデルベースの学習方法では、ハイパーパラメーターと呼ばれるさまざまなモデルパラメーターに基づいて構築され、入力データを使用して特徴を抽出するMLモデルで反復プロセスが行われます。この学習では、さまざまなモデル検証手法に基づいてハイパーパラメーターが最適化されます。それが、モデルベースの学習方法が一般化に向けてより伝統的なMLアプローチを使用していると言える理由です。

Machine-learning-with-python-methods

目次