どうも、カタミチです。
さて、教師あり学習の具体的手法の紹介も残り2つ。あとひと息ですね。早速行ってみましょう〜。
ニューラルネットワーク
ついに来ました、大本命ニューラルネットワーク！ラスボスかと思いきや、最後から2番目で登場しました。意外なことに、ディープラーニング登場前は、ブースティングやサポートベクターマシンに比べて人気の無い手法だったそうです。
ニューラルネットワークは、人間の脳の中の構造を模したアルゴリズムです。
人間の脳には、ニューロンと呼ばれる神経細胞が何十億個と張り巡らされていて、これらが互いに結びつくことで神経回路という巨大ネットワークを構成している。人間は情報を受け取るとき、ニューロンに電気信号が伝わり、ネットワークを駆け巡ります。このとき、どれくらいの電気信号を伝えるかによって、人間の脳はパターン認識している…のだそうです。なるほど。
まず、単純なニューラルネットワークのモデルである、単純パーセプトロン。
入力層、出力層、重みの3つで表され、出力が0か1の値を取るようにします。
…とりあえず、なんとなく雰囲気だけ掴んでおくことにしましょう。おそらくこの先の章でも出てくる…はずなので（自信無し）
ちなみにこの単純パーセプトロン、線形分類しかできないようです。（前にも出てきた、散らばった点に対して直線をブワーっと引いただけで分類できるのが線形分類ですね）
これに対しては、さらに層を追加した、多層パーセプトロンの出番です。こんなやつ。
こうなると、非線形分類もできるようです。イメージが掴みにくいですが、サポートベクターマシンで言うところの、カーネルトリックみたいな感じですかねー。
ちなみに、上の図だとxが入力層、zが出力層になりますが、yは隠れ層と言うみたいです。もっと層が増えた場合も、最初と最後の層以外は隠れ層です。
あと、用語として出てきたのは誤差逆伝播法。これも、詳しいところは書かれていませんでしたが、予測値と実際の値との誤差をネットワークにフィードバックするアルゴリズム…だそうです。
ということで
ニューラルネットワークについては、かなり概念的なことしか分かりませんでした（汗）
まぁ、以降の章でディープラーニングについてはたっぷりやるみたいなので、そこできっちり見ていけばいいかなー、と思っています。
ではまた。
勉強に使ってる書籍はこちら↓
深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版
