機械学習の勉強（１日目）

今年の夏季休暇中に、機械学習、強化学習、Pythonと手当たり次第に本を読んでいました。必要に応じて、自分の環境でコードを書いたり、データを読み込んだりして、一通りの勉強をやりました。
そして、基本からやり直そうと入門書を読んでいます。

スッキリわかるPythonによる機械学習入門 (スッキリわかる入門シリーズ)

これまで学んだことの復習なので、かなり飛ばして読む事ができます。
あらためて、基礎的なところを振り返ると
　・統計学で最小二乗法を使った予測
などは、Excelなどでもポピュラーで需要予測などで用いられてきたことがわかります。
機械学習でも、最初のところは導入のしやすさもあって、教師あり学習の回帰という形で登場します。
その次の、特徴量を決めて分類するという手法は、機械学習の目玉として新たな手法として導入されるのを聞いた事があります。

回帰といっても、単純に一次関数で表すこともあれば、微分積分を使って曲線で表すこともあります。このあたりは急に数学が出てきてびっくりするところなのかなと思う一方で、ブラックボックスのままでも良いのかなと思います。強化学習になると、もうすでに人間にはわからない処理が行われているので、教師あり学習も、そのノリでもまあいいのかなともおもいます。

結局は作ったモデルでの予測が当たるか当たらないかによって、注目されるかされないかが決まるのであって、当たらなければ意味がありません。モデルが当たるようになるまで粘り強く改善し続ける忍耐力と自分で考える姿勢が必要なのかなと思います。