きょうしあり‐がくしゅう〔ケウシありガクシフ〕【教師有り学習】
教師あり学習
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2024/03/11 08:21 UTC 版)
- ^ 典型的には、p(x,y)に従って独立にDの各データを選ぶが、Dをどのような確率分布から選んだかによらず、定理は証明できる。
- ^ #GBC 5.1.3節
- ^ #瀧 p.20.
- ^ a b c #ESL p11-12
- ^ #金森 p.3.
- ^ #瀧 p.8.
- ^ a b #瀧 p.36.
- ^ #瀧 p.30.
- ^ “Lecture 12: Bias-Variance Tradeoff”. CS4780/CS5780: Machine Learning for Intelligent Systems [FALL 2018]. コーネル大学. 2020年11月10日閲覧。
- ^ #金森 p.13.
- ^ #金森 p.9.
- ^ a b #ESL p22-23
- ^ Ulku, Irem; Akagündüz, Erdem (2022-12-31). “A Survey on Deep Learning-based Architectures for Semantic Segmentation on 2D Images” (英語). Applied Artificial Intelligence 36 (1): 2032924. doi:10.1080/08839514.2022.2032924. ISSN 0883-9514 .
教師あり学習
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/04/15 15:33 UTC 版)
入力とそれに対応すべき出力 を写像する関数を生成する。例えば、分類問題では入力ベクトルと出力に対応する分類で示される例を与えられ、それらを写像する関数を近似的に求める。
※この「教師あり学習」の解説は、「機械学習」の解説の一部です。
「教師あり学習」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。
教師あり学習と同じ種類の言葉
- 教師あり学習のページへのリンク