いくつか機械学習のアルゴリズムを実装してみたけど、結局機械学習ってなんのためにやるのかがわからなくなってきたので、整理する。
機械学習の用途
- クラスタリング・・・データを分ける
- 分類・・・クラス分けをする
- レコメンデーション・・・最適なものをおすすめする
- 回帰・・・未来の数字を推測する
- 情報圧縮・・・データを減らす
具体的な活用シーン
自分がやりたいこと
興味があるのは、
レコメンデーションと回帰
序列として、
回帰＞レコメンデーション＞クラスタリング＞分類＞情報圧縮
やりたいことを箇条書き
キーワード：「過去のデータから未来の数値を予測する」
- 現在保有している銘柄の未来の株価を予測
- 自分の生産性の高い時間帯を予測
- 明日の降水確率を予測
- よく行くカフェの混雑具合を予測
- どの時間帯に投稿すれば、見られるかを予測
- エアコンの最適温度を予測
- （麻雀はしないけど）最適な凍牌を予測
- （競馬はしないけど）レースの結果を予測
- どこにデートに行けば彼女は最も喜んでくれるか
現段階で、回帰で実現したいことはこれだけ。
引出しの少なさ（想像力の乏しさ）を痛感。いや、いまは少々疲れているだけだからかもしれないので、随時更新をしていこう！
とりあえず、現在保有している株価の予測から実装していくことにする。
まとめ
ただ漫然と機械学習をやっている現状から、機械学習でなにがやりたいのかが、少しだけ見えてきた気がする。アタリマエダガ、数あるアルゴリズムも、ライブラリも、モジュールも、メソッドも、なにかを実現する手段。実現したいなにかを明確になっていないのに、手段の引出しを増やしていっても非効率。
参考サイト
https://www.stat.go.jp/teacher/dl/pdf/c4learn/materials/fourth/dai3.pdf
