検索

全体の予測のうち、正解した割合を表す最も基本的な評価指標。

モデルの信頼度が、実際の正解率と一致するように調整すること。

訓練データに過剰に適合し、未知のデータに対する予測性能(汎化性能)が低下してしまう現象。

入力データと正解ラベルのペアを使ってモデルを訓練し、未知のデータの予測を行う学習方法。

正解ラベルのないデータから、隠れた構造やグループ(クラスタ)を自動的に見つけ出す学習方法。

データ自身から擬似的な正解を自動生成し、人手のラベルなしで学習する手法。

モデルの予測と正解とのズレを数値化する関数。学習はこの値の最小化を目指す。

教師あり学習で、各データに与える正解の情報。

理想的な応答例を正解として学習させる、ファインチューニングの基本段階。

AIに結論だけでなく途中の推論過程を順を追って書かせることで、複雑な問題の正答率を高める手法。

大量のデータから規則やパターンをコンピュータ自身に学ばせ、予測や分類を行わせる手法。

出力の誤差を出力層から入力層へ逆向きに伝え、各[[weight]]を効率的に更新する学習アルゴリズム。

エージェントが環境の中で試行錯誤し、報酬を最大化する行動を学んでいく機械学習の枠組み。

少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習する手法。

似たデータ同士を自動的にグループ(クラスタ)にまとめる、教師なし学習の代表的タスク。