回答編集履歴
5
test
CHANGED
|
@@ -17,7 +17,7 @@
|
|
|
17
17
|
私が答えるなら…
|
|
18
18
|
---
|
|
19
19
|
|
|
20
|
-
**
|
|
20
|
+
「**決定的な出力をする分類器はどれか**」ですので、
|
|
21
21
|
- 決定的なモデル
|
|
22
22
|
- 分類器
|
|
23
23
|
を満たさないといけない、というところを起点に考えます。
|
4
test
CHANGED
|
@@ -17,14 +17,15 @@
|
|
|
17
17
|
私が答えるなら…
|
|
18
18
|
---
|
|
19
19
|
|
|
20
|
-
「決定的な出力をする分類器はどれか」ですので、
|
|
20
|
+
**「決定的な出力をする分類器はどれか」**ですので、
|
|
21
21
|
- 決定的なモデル
|
|
22
|
-
- 分類
|
|
22
|
+
- 分類器
|
|
23
23
|
を満たさないといけない、というところを起点に考えます。
|
|
24
24
|
|
|
25
|
+
|
|
26
|
+
※SKLearn公式より引用
|
|
25
27
|
|
|
26
|
-
|
|
28
|
+
上の図を基に考えると、
|
|
27
|
-
|
|
28
29
|
|アプローチ|コメント|判定|
|
|
29
30
|
|:--:|:--|:--:|
|
|
30
31
|
|ロジスティック回帰|**確率論的識別モデル**の代表例|×|
|
3
test
CHANGED
|
@@ -25,12 +25,12 @@
|
|
|
25
25
|
|
|
26
26
|
サポートベクターマシンK-meansPCA（主成分分析）
|
|
27
27
|
|
|
28
|
-
|アプローチコメント|判定|
|
|
28
|
+
|アプローチ|コメント|判定|
|
|
29
|
-
|:--:|:--
|
|
29
|
+
|:--:|:--|:--:|
|
|
30
|
-
|ロジスティック回帰|確率論的識別モデルの代表例|×|
|
|
30
|
+
|ロジスティック回帰|**確率論的識別モデル**の代表例|×|
|
|
31
|
-
|SVM|決定的識別モデルの代表例|〇|
|
|
31
|
+
|SVM|**決定的識別モデル**の代表例|〇|
|
|
32
|
-
|K-means|識別モデルではなく、クラスタリング技術。似た塊は作れるが識別はできない|×|
|
|
32
|
+
|K-means|識別モデルではなく、**クラスタリング技術**。似た塊は作れるが識別はできない|×|
|
|
33
|
-
|PCA|識別モデルではなく、次元削減技術、クラスタリングともいえるかも？。似た塊は作れるが識別はできない|×|
|
|
33
|
+
|PCA|識別モデルではなく、**次元削減技術**、クラスタリングともいえるかも？。似た塊は作れるが識別はできない|×|
|
|
34
34
|
|
|
35
35
|
|
|
36
36
|
---
|
2
test
CHANGED
|
@@ -1,5 +1,7 @@
|
|
|
1
1
|
面白い質問だったので+1しました。
|
|
2
2
|
|
|
3
|
+
決定的ってナンだ？
|
|
4
|
+
---
|
|
3
5
|
[筑波大学の佐久間先生のスライド](https://ocw.tsukuba.ac.jp/wp/wp-content/uploads/2019/10/011b1adb94f2f7d1f80acf15ffff3260.pdf)がUpload（Googleが勝手にクロールした可能性あり）されていましたので参照ください。
|
|
4
6
|
|
|
5
7
|
p.12が参考になります。同じく佐久間先生の別のスライドがGoogle検索で上がってきて、**SVMが決定的識別モデルの代表例**として挙がっていました。
|
|
@@ -11,6 +13,26 @@
|
|
|
11
13
|
|決定的識別モデル|有無を言わさずピシャリとBooleanな答えを出す|
|
|
12
14
|
|確率的識別モデル|モヤモヤっとした確率の雲的な答えを出す|
|
|
13
15
|
|
|
16
|
+
|
|
17
|
+
私が答えるなら…
|
|
18
|
+
---
|
|
19
|
+
|
|
20
|
+
「決定的な出力をする分類器はどれか」ですので、
|
|
21
|
+
- 決定的なモデル
|
|
22
|
+
- 分類気
|
|
23
|
+
を満たさないといけない、というところを起点に考えます。
|
|
24
|
+
|
|
25
|
+
|
|
26
|
+
サポートベクターマシンK-meansPCA（主成分分析）
|
|
27
|
+
|
|
28
|
+
|アプローチコメント|判定|
|
|
29
|
+
|:--:|:--:|:--:|
|
|
30
|
+
|ロジスティック回帰|確率論的識別モデルの代表例|×|
|
|
31
|
+
|SVM|決定的識別モデルの代表例|〇|
|
|
32
|
+
|K-means|識別モデルではなく、クラスタリング技術。似た塊は作れるが識別はできない|×|
|
|
33
|
+
|PCA|識別モデルではなく、次元削減技術、クラスタリングともいえるかも？。似た塊は作れるが識別はできない|×|
|
|
34
|
+
|
|
35
|
+
|
|
14
36
|
---
|
|
15
37
|
|
|
16
38
|
スライドも何も、Youtubeで佐久間先生が講義を丸ごと公開してくれているそうです。Andrew Ng先生みたいなことを日本語で公開してくれている感じです。スゲー。漢！
|
1
test
CHANGED
|
@@ -2,12 +2,12 @@
|
|
|
2
2
|
|
|
3
3
|
[筑波大学の佐久間先生のスライド](https://ocw.tsukuba.ac.jp/wp/wp-content/uploads/2019/10/011b1adb94f2f7d1f80acf15ffff3260.pdf)がUpload（Googleが勝手にクロールした可能性あり）されていましたので参照ください。
|
|
4
4
|
|
|
5
|
-
p.12が参考になります。同じく佐久間先生の別のスライドがGoogle検索で上がってきて、SVMが決定的識別モデルの代表例として挙がっていました。
|
|
5
|
+
p.12が参考になります。同じく佐久間先生の別のスライドがGoogle検索で上がってきて、**SVMが決定的識別モデルの代表例**として挙がっていました。
|
|
6
6
|
|
|
7
7
|
つまるところ、
|
|
8
8
|
|
|
9
9
|
|アプローチ|やること|
|
|
10
|
-
|:--|:--:|
|
|
10
|
+
|:--:|:--:|
|
|
11
11
|
|決定的識別モデル|有無を言わさずピシャリとBooleanな答えを出す|
|
|
12
12
|
|確率的識別モデル|モヤモヤっとした確率の雲的な答えを出す|
|
|
13
13
|
|