ディープラーニングについて学ぶ（最初の一歩）

いのひろです。

いつもより早い電車に乗っていると新入社員の姿が多数いました。
新入社員同士で和気あいあいとしながら、期待と不安胸いっぱいのなか会社に向かう姿は
輝いて見えました。忘れかかっていてもたまに思い出して、
いつまでもその気持ちを忘れずいきたいものです。

今回は機械学習の手法の一つであるディープラーニングについて
学習したいと思います。

利用用途の例

1. 株価予測
2. 迷惑メールフィルタ
3. 顧客の購買行動傾向分析
4. などなど

用語

ディープラーニング	機械学習と呼ばれる手法の1つです。
学習器	データから規則性やパターンを抽出する仕組みです。
訓練データ	学習器に入れる規則性やパターンを見つけ出すための基となるデータです。
学習モデル	学習器が訓練データから抽出した規則性やパターンです。
学習処理	学習器に訓練データを入れて学習モデルを抽出するまでの一連の処理です。

機械学習のステップ

1. 学習モデルを作る
2. 学習モデルから予測

機械学習の分類

1. 教師データあり
2. 教師データなし

教師データとはそのデータが何を示しているか、
正解となる情報をセットでインプットします。

機械学習を利用するかの判断基準

1. 解決出来る分類方法
2. 適用した場合の性能
3. データを準備する手間

データで解決出来ない。解決するには膨大な時間がかかる。
データの準備の手間がかかるといった場合は機械学習に向いていません。

手法

回帰	データ入力に出力として数値	（例）株価
分類	データ入力に出力としてデータの属性または種類	（例）迷惑メールフィルタ
クラスタリング	データ入力にそのデータのグルーピング結果	（例）購買層

コンピュータに何かさせようとしたときに、１つ１つ手続きを教えて
結果を導いていた。（今までの手続き型）
機械学習を用いた場合は手続きは教えずにデータで結果を導くものです。
各々で得意、不得意はありますがデータの量で結果を出す新しい方法が
機械学習・ディープラーニングになります。
データの量、質によって結果が変わります。

今回参考とした書籍は以下です。

初めてのディープラーニング --オープンソース"Caffe"による演習付き