第7回目の理論記事では競馬をどのように機械学習問題に落とし込むのか、また学習した予測モデルの性能評価方法について説明していきます。 教師あり学習と教師なし学習 機械学習の問題は**教師あり学習(Supervised Learning)と教師なし学習(Unsupervised Learning)**の大きく2つに分類されます1。 教師あり学習とは、特徴ベクトル $ \mathbf{x}_i $ に対する望ましい応答 $ y_i $ の組 $ {(\mathbf{x}_i, y_i) } $ を訓練データとして与え、それをガイドにして関係 $ y = f(\mathbf{x}) $ を学習をします。そのようにして得られた予測モデル $ f $ に未知の特徴ベクトルを与えることで未来の現象を予測します。予測モデル $ f $ は、線形モデル、ニューラルネットワーク、決定木、サポートベクターマシン
![第7回 競馬予測を機械学習で解くための方法と評価方法](https://cdn-ak-scissors.b.st-hatena.com/image/square/e159a346f23362031db788680692b67f48b3dc9a/height=288;version=1;width=512/https%3A%2F%2Falphaimpact.co.jp%2Fassets%2F2017%2F03%2Fimbalanced_data.png)