機械学習の2つの壁「分類モデルの選定」と「過学習」への対処法

さまざまなデータを用いた機械学習でスマートな製品開発を目指す上で課題になるのが、「分類モデルの選定」と「過学習」への対応だ。本稿では、分類モデルと過学習について概説するとともに、基礎的な対処法について説明する。 エンジニアや科学者は、産業データに基づいた解析によるADAS（先進運転支援システム）や予知保全（predictive maintenance）アプリケーションなど、よりスマートな製品やサービスを構築しています。分析モデリング（analytics modeling）とは、データ準備、特徴量エンジニアリング（feature engineering）、機械学習のためのドメイン固有の技術を使用して、過去のデータからシステムの挙動を記述し、予測する技術のことです。これらと自動コード生成の組み合わせは、エッジからクラウドまでを対象として、アクションと意思決定を自動化しながらの再利用を可能にしま

[stang499]

“MATLAB”

[omega314]

少しはベイズを勉強しろ。

[misshiki]

“過学習を避けるには、データの正則化と汎化という追加的な2つの手法があります。”過学習を防ぐ交差検証の手法: k-分割、ホールドアウト、リーブワンアウト、ランダム反復サブサンプリング、層化、再代入。