機械学習の４つのアプローチ - 作って遊ぶ機械学習。

おつかれさまです。今日はちょっと趣を変えて、近年のいわゆる「機械学習」という技術のアプローチをカジュアルに少しカテゴリ分けしたいと思います。 といっても、自分はアカデミックの研究者ではなく大量の論文を読み漁るということもほとんどしないので、理論的なバックグラウンドに基づいたソリッドなカテゴリ分けはできません。ここで紹介するのはあくまで、実用上の機械学習技術者から見た視点で「こんな傾向があるかなぁ」くらいの気持ちで書いたものです。 ＜代表的な４つのアプローチ＞ １、最適化（目的関数ベース） まず始めは最適化手法をベースにした機械学習のアルゴリズムです。たぶん一番例が多いんじゃないでしょうか。 ここでは、ある解きたい課題を目的関数によって定式化し、適切な最適化手法を使って解きます。伝統的な線形回帰や線形識別はもちろん、主成分分析（PCA）や非負行列因子分解（NMF）なんかもこの枠組みで解かれる

[urekat]

“基本的には、データの発生プロセスを確率分布を使って物理的・論理的に記述し（モデリング）、計算機を使ったアルゴリズムによって事後分布を計算する（推論）という流”

[userhiro]

ベイズ学習について