Python 機械学習プログラミング 第1章

教師あり学習のメインはクラスラベル(class label)をつかった分類(classification)であり、サブフィールドに回帰というものがあり、結果は連続しているものである。

クラスラベルは離散的で順序性が無い。
よく使われるのは二値分類(binary classification)であり
例えば全メールに対して「スパムメールである・スパムメールではない」という風に解釈することにより、２つのカテゴリに分類してアルゴリズムを形成することにより、新しい値に対して予測/分類を行うことができる。

分類は数値に順序性が存在しないものであったが、連続する値を予測したい場合がある。
このときに 回帰分析(regression analysis) を使用する。

予測変数とか難しい単語が出てきたけどとりあえず飛ばしていく

強化学習は事前の静的なデータセットは存在せずに、動的な現状の「環境」から解を分析して結果を導き出す。
つまり件(くだん)の機械学習と異なり事前データなしでアルゴリズムを組み立てる事ができる。

具体例
チェス、将棋などで使われているやつ

教師なし学習には次元削減と呼ばれるサブフィールドが存在する。
これは非構造化データを扱う際に、次元が多すぎて計算に時間がかかるデータに対して次元を減らすことで計算時間を短縮する事ができる

人が見えるようなデータにすることもできるようになる