機械学習で予測モデルを作る際の概要のオレオレまとめ - HELLO CYBERNETICS

はじめに 機械学習のモデル 教師あり学習 機械学習における予測モデルの基本的な作り方 予測モデルfの考え方 $\phi(x)$の決め方 特徴量エンジニアリング モデル選択 ニューラルネットワーク 複数の予測モデルの活用 アンサンブル ベイズ予測分布 はじめに 機械学習のモデルには数多くのものが存在します。 例えばサポートベクターマシンやニューラルネットワーク、ロジスティック回帰モデルなど、初学者にとってどれが何のために生み出され、 そしてどのような時に有効なのかを把握することは難しいように思います。 そこで今回はある特定のモデルについて細かく見るのではなく、機械学習のモデルが何を表し何を達成しようとしているのかの概観を与え、 それぞれのモデルがどういう時に使えそうなのかの感覚を身につける手がかりのようなものを書いてみたいと思います。 （最初、一般化線形モデルからベイズまでそれなりにしっかり

[niap0323]

ベイズ予測分布を活用した予測モデル作成方法

[p_tan]

予測モデルに対する、とてもわかり易い説明。多分すでに研究されてると思うけど、アンサンブルの重み分布p(w)自体もxに依存するようにp(w|x)にしたら、xに応じて適切なモデルを選択するようになるんだろうな。

[karaage]

なるほど、ものすごく納得感ある説明。この記事、読み手のレベルによって理解が全然変わりそう、自分も数ヶ月後に読み返したい