機械学習におけるパラメータとは

パラメータとは変数を意味します。つまり、時と場合によって変化する数値のことです。機械学習ではパラメータという言葉が頻繁に出てくるので押さえておく必要があります。

機械学習ではパラメータを最適化して予測モデルを作る

機械学習ではパラメータをいろんなパターンに対して振って、最も精度の高い予想ができる点を見つけます。与えられた入力Xに対して出力Yがあるとします。入力データと出力データの関係性を見つけるためにパラメータを調整します。

調整されたパラメータにて、評価関数を用いて、誤差が最小となる点を探したり、１に近づく点を探したりします。（使用する評価関数によって求められるものが違う）

単回帰分析におけるパラメータ

まず、単回帰分析について考えましょう。単回帰分析において以下の数字が与えられたとします。

X＝1,2,3,5,7,10
Y=2,4,6,10,14,20

この場合XとYの間にはY=2Xという関係がありそうです。この場合、パラメータはどれになるでしょうか。

正解は「傾き」と「切片」です。つまり、2（傾き）と0（切片）がパラメータとなります。単回帰分析においてはy= ax +ｂというモデルを想定した時、パラメータはa(傾き）、b（切片）となります。

決定木によるパラメータ

もう一つ決定木という機械学習のパラメータについて解説します。決定木とは質問に対する２択ないしはそれ以上の分岐を階層的に作ることで判別・回帰するものです。

決定木においては分岐の深さと分岐の数がパラメータとなります。何回も繰り返せば説明力は上がりますし、選択肢の数が多いほど詳細なことが分かります。