その他の機械学習
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/08/04 15:53 UTC 版)
例えば以下のものがある 半教師あり学習（英語版） ラベルありの例とラベルなしの例をどちらも扱えるようにしたもので、それによって近似関数または分類器を生成する。 トランスダクション（英語版）（トランスダクティブ推論） 観測された具体的な（訓練）例から具体的かつ固定の（テスト）例の新たな出力を予測しようとする。 マルチタスク学習（英語版） 関連する複数の問題について同時に学習させ、主要な問題の予測精度を向上させる。 能動学習アルゴリズムは、予算に基づいて限られた入力のセットに対して所望の出力（訓練ラベル）にアクセスし、訓練ラベルを取得する入力の選択を最適化する。インタラクティブに使用される場合、これらはラベリングのために人間のユーザーに提示することができる。強化学習アルゴリズムは、動的な環境で正または負の強化の形でフィードバックを与えられ、自動運転車や人間の対戦相手とゲームをするための学習に使用される。機械学習における他の専門的なアルゴリズムには、コンピュータプログラムに自然言語文書のセットを与え、類似したトピックをカバーする他の文書を見つけるトピックモデリングがある。機械学習アルゴリズムは、密度推定問題において、観測不可能な確率密度関数を求めるために使用することができる。メタ学習アルゴリズムは、過去の経験に基づいて独自の帰納的バイアスを学習する。発達ロボティクスでは、ロボット学習アルゴリズムは、カリキュラムとも呼ばれる学習経験のシーケンスを独自に生成し、自己誘導型の探索や人間との社会的相互作用を通じて、新しいスキルを累積的に獲得する。これらのロボットは、能動的学習、成熟、運動相乗効果、模倣などの誘導メカニズムを使用する
※この「その他の機械学習」の解説は、「機械学習」の解説の一部です。
「その他の機械学習」を含む「機械学習」の記事については、「機械学習」の概要を参照ください。
- その他の機械学習のページへのリンク
