機械学習概論ⅠPR用1分動画

機械学習の全体像を俯瞰する。機械学習の歴史を辿り、機械学習の基礎となる要素技術を、４つの大きな柱にまとめる考え方を紹介し、それぞれの概要を説明する。

回帰問題とモデル選択について解説します。与えられる学習データが複雑だったり、高次元だったりする問題に対して、どのような手順で最適な答えを導き出すのか。そのアプローチの仕方の基本を解説する。また、次元の呪いと汎化能力という重要な考え方を解説する。

汎化能力についての数値実験による検証と汎化能力の高い学習モデルを選択するための正則化という考え方を紹介する。また、正則化の基本となるリッジ回帰という方法と、汎化能力の信頼性を高める交差検証についての基礎を解説し、正則化や交差検証を使って実際に学習モデルの選択がどのように行われるのかを示す。

スパースモデリングについて講義する。多くの変数の中から重要な変数に絞り込む方法であるL0正則化について述べ、目的関数を最適化する勾配法を使った実用的なL1正則化をスパースモデリングに導入する方法について解説する。最後に現在、天文学や医療分野で注目を集めている圧縮センシングを紹介する。