数式関連はgistに記載。
統計学全般
⇒「記述統計学」「推測統計学」「ベイズ統計学」に分類できる。
⇒平均、分散、標準偏差 あたりが基礎。⇒参考
機械学習
・以下あたりが判れば概要はつかめる（参考：やさしく学ぶ機械学習を理解するための数学のきほん より）
＜回帰＞ regression
– 最小二乗法
– 最急降下法、確率的勾配降下法
– 単回帰（一次元の場合）、重回帰（二次元以上の場合）、多項式回帰
– 回帰分析：回帰により分析すること。
＜分類＞
– パーセプトロン
– ロジスティックス回帰、シグモイド関数
– 尤度関数、対数尤度関数
– 線形分離可能、線形分離不可能
＜モデルの評価＞
– F値
– 正則化
・Google Colabを用いたCoding実装：
⇒統計関連
・回帰：一次関数、多項式回帰、確率的勾配降下法、正則化
・分類：パーセプトロン、ロジスティック回帰（実装、線形分離不可能な分類による実装、確率的勾配降下法による実装）
⇒機械学習（AI）関連
ライブラリ
<Math>
●NumPy
●pandas
<Data>
●OpenCV
●vega_datasets
<AI>
●scikit-learn: https://techacademy.jp/magazine/17375
●Tensorflow, Keras
・model, Dense →https://techacademy.jp/magazine/17694
import tensorflomodelw as tfimport tensorflow.keras as kerasDense = keras.layers.Densemodel = keras.models.Sequential()
# Kerasでは、Sequentialという箱を用意して、そこに深層学習（ディープラーニング）のネットワーク層を追加する。model.add(Dense(10,activation='relu', input_shape=(4,)))
# Denseというのは、入力と出力を全て接続するネットワークのこと。上記例では出力10、入力4model.add(Dense(3,activation='softmax'))
コメントを残す