40. 機械学習
40. 機械学習
40.1.基礎知識
40.2.モデル選択
40.2.1.赤池情報量基準(AIC)[重要]
40.2.2.ベイズ情報量基準(BIC)[重要]
40.2.3.モデル同定の一致性
40.2.4.マローズのCp基準
40.2.5.カルバック・ライブラー距離[重要]
40.2.6.全変動距離
40.2.7.ヘリンジャー距離
40.2.8.クロスバリデーション(交差検証)
40.3.様々なモデル
40.3.1.ロジスティック回帰分析[重要]
40.3.2.ロジスティックシグモイド関数[重要]
40.3.3.ロジスティック回帰モデル(ロジットモデル)[重要]
40.3.4.プロビットモデル[重要]
40.3.5.一般化線形モデル[重要]
40.3.6.連結関数(リンク関数)[重要]
40.4.モデル解析
40.4.1.2クラス分類問題の事後確率[重要]
40.4.2.2値データ集合における尤度関数[重要]
40.4.3.交差エントロピー誤差関数[重要]
40.4.4.最急降下法(1次近似)
40.4.5.ニュートン法(2次近似)
40.5.正則化パラメータ付き重回帰分析
40.1. 基礎知識
更新日 : 40.1.1. 質的変数
「性別」や「満足度」等の大小優劣をつけられないデータのこと。
40.1.2. 量的変数
「人数」等の離散型、「電圧」等の連続型の大小優劣つけられるデータのこと。
40.1.3. 多変量解析法
| 解析名 | 入力 | 出力 | 教師データ |
|---|---|---|---|
| 重回帰分析 | 量的変数 | 量的変数 | あり |
| 数量化1類 | 質的変数 | 量的変数 | あり |
| 判別分析 | 量的変数 | 質的変数 | あり |
| 数量化2類 | 質的変数 | 質的変数 | あり |
| 主成分分析 | 量的変数 | 新規軸 | なし |
| 数量化3類 | 質的変数 | 新規軸 | なし |
| クラスター分析 | 量的変数 | 質的変数 | なし |
| 多次元尺度構成法 | 質的変数 | 質的変数 | なし |
40.2. モデル選択
更新日 : 
40.2.3. モデル同定の一致性
40.2.4. マローズのCp基準
40.2.5. カルバック・ライブラー距離[重要]
40.2.6. 全変動距離
40.2.7. ヘリンジャー距離
40.2.8. クロスバリデーション(交差検証)
40.3. 様々なモデル
更新日 : 40.3.1. ロジスティック回帰分析[重要]
40.3.2. ロジスティックシグモイド関数[重要]
40.3.3. ロジスティック回帰モデル(ロジットモデル)[重要]
40.3.4. プロビットモデル[重要]
40.3.5. 一般化線形モデル[重要]
40.3.6. 連結関数(リンク関数)[重要]
40.4. モデル解析
更新日 : 40.4.1. 2クラス分類問題の事後確率[重要]
40.4.2. 2値データ集合における尤度関数[重要]
40.4.3. 交差エントロピー誤差関数[重要]
40.4.4. 最急降下法(1次近似)
40.4.5. ニュートン法(2次近似)
40.5. 正則化パラメータ付き重回帰分析
更新日 : 40.5.1. L1正則化法
40.5.2. L2正則化法
