機械学習の手法のまとめ。

機械学習は、「与えられた入出力事例をモデル化する行為」のことで、ディープラーニングなどで注目を集めています。

機械学習には、大きく分けて、

• 教師あり学習
• 教師なし学習
• 強化学習

の３つがあります。

機械学習アルゴリズムをカテゴリ別にまとめたマインドマップを作ってみました。
（正しい保証はありませんが、なんとなくカテゴライズしてみました。）

それぞれの分野について、一覧を示して、勉強した手法からリンクを貼っていきたいと思います。

教師あり学習

教師あり学習とは、それぞれの事例に正解が与えられており、それらを正解に近くなるように学習していく、というものです。

応用分野としては、手書き文字認識やスパムメールの検出などがあります。

• Nearest Neighbor 法
• k-Nearest Neighbor 法
• パーセプトロン（Perceptron）
• 平均化パーセプトロン（Average Perceptron）
• ニューラルネットワーク
• Support Vector Machine
• Naive Bayes
• 決定木（decision tree）
• ランダムフォレスト

教師なし学習

教師なし学習とは、正解は与えられず、データ間の関係を学習する手法のことです。

教師なし学習は、おおまかに分けて、次元削減系とクラスタリング系の２つがあるように思います。

• クラスター分析
• 主成分分析
• 自己組織化マップ

強化学習

強化学習とは、「行動に対する報酬」が与えられ、試行錯誤によって良い政策を学習していく手法のことです。