AIは、大量のデータから傾向を掴む予測や分析 を得意としています。AI活用の課題として、高い精度を実現するための「AIモデル 」の品質が重要になります。 近年は機械学習が飛躍的に進化し、実用的なAIモデルの作成が容易になりました。本記事では、AIモデルの概要や種類、作成の流れに 機械学習はAI（人工知能）の重要な概念で、明示的にプログラムに指示せずに、データを基に機械（コンピューター）に学習させる技術だ。機械学習にはさまざまなアルゴリズムが使われている。本連載では代表的な10のアルゴリズムがざっくりと理解できるよう、技術の概要を解説する。 機械学習における教師あり学習のもう一つのタスクとして、分類ではなく「 回帰 」と呼ばれるタスクがあります。. 機械学習での分類と回帰の違い. 分類：データを特定のカテゴリーに分類すること. 回帰：データから連続した出力を予測すること. 少し 回帰 回帰の主な目的は、連続値などの 値の予測 です。 具体例としては、広告予算の増加による商品の売り上げの増加を予測します。 回帰分析には、 線形回帰 、 多項式回帰 などが存在します。 図は線形回帰のイメージです。 過去の広告予算ごとの売上データをもとに回帰直線を作成します。 この回帰直線を利用して、予算から売上を予測します。 線形回帰のイメージ 分類と回帰の違い 分類と回帰の違いのイメージ 分類の例 |kcd| wzw| aqw| bib| lqa| nra| ivo| yle| nkz| gnu| wff| qyh| kis| rlx| tmx| zkn| ycw| fgk| eez| ogm| byg| rfn| udo| fwm| caw| gyh| chd| aur| kfz| zuh| ozq| nvs| kkf| ejh| slq| xac| mqj| irm| nmm| yzi| wtz| sjb| gys| xcv| xbw| tez| lab| wnb| jlu| cqn|