教師あり機械学習
この分野の概要 »
教師あり機械学習は，ラベル付けされたデータセットで訓練された数学モデルを使用して，データを分類したり結果を予測したりする試みである．顧客満足度や品質評価等のスコアの推定，価格や農業生産高等の予測，スパム検出や著作権で保護されているか暴力的なコンテンツか，といったデータ分類のような問題を解決するために使用される． Wolfram言語は最も一般的な教師あり学習アルゴリズムをすべてサポートしており，欠測データの代入，特徴選択と特徴抽出，モデル選択，相互検証等のタスクを自動的に処理する便利で高レベルな機能にパッケージ化されている．
分類
Classify — 組込みの分類器または例にある学習を使ってデータをカテゴリに分類する
ClassifierFunction — データに適用される分類器の記号的表現
ClassifierMeasurements — テストデータでのパフォーマンス
回帰
Predict — 組込みの予測器または例にある学習を使ってデータから値を予測する
PredictorFunction — データに適用される予測器の記号的表現
PredictorMeasurements — テストデータでのパフォーマンス
物体検出
TrainImageContentDetector, TrainTextContentDetector — カスタムの検出器を訓練する
ContentDetectorFunction — データに適用される検出器の記号的表現
列予測
SequencePredict — 列の例から後に続く要素を予測する
SequencePredictorFunction — 列予測の記号的表現
アクションからの学習
BayesianMinimization — 任意の目的関数のモデルベースの最小化
ActiveClassification — システムを積極的に調査して分類器を学習する
ActivePrediction — システムを積極的に調査して予測器を学習する
ActiveClassificationObject ▪ ActivePredictionObject
教師あり学習のための特定のメソッド
Nearest, NearestNeighborGraph — 最近傍を求める
FindFit — 一般化された非線形フィットを求める
LinearModelFit ▪ LogitModelFit ▪ NonlinearModelFit ▪ GeneralizedLinearModelFit ▪ ProbitModelFit
TimeSeriesModelFit — さまざまな種類の時系列をフィットする
Interpolation — データ集合の値の補間を求める
FindFormula — データに対する簡単な記号式を求める
FindSequenceFunction — 離散数列を再現する関数を求める
FindHiddenMarkovStates — ルコフ(Markov)モデルで最も尤もらしい経路を求める
教師あり学習のメソッド »
"DecisionTree" — 決定木を使う
"LogisticRegression" — 特徴の線形結合からの確率を使用する
"RandomForest" — 決定木のBreiman–Cutlerアンサブルを使用する
"SupportVectorMachine" — サポートベクタマシンを使って分類する
"GradientBoostedTrees" ▪ "NearestNeighbors" ▪ "Markov" ▪ ...
機械学習のオプション
AnomalyDetector — 入力データの異常を検出する方法
ComputeUncertainty — 不確実性を含む値をAroundとして返す
FeatureExtractor — 学習する特徴を抽出する方法
FeatureTypes — 入力データを仮定する特徴タイプ
MissingValuePattern — データの中の欠損値をどのように表すかを指定する
MissingValueSynthesis — 欠損値を合成する方法
PerformanceGoal — メモリ，質，またはスピードを最適化するかどうか
RandomSeeding — ランダム化をシードする方法
RecalibrationFunction —モデル予測を後処理する方法
TimeGoal — トレーニング等に割り当てる時間