なるほどそうか、「機械学習モデル」を高1数学で理解する

機械学習をマスターする上でカギとなる、「損失関数」。機械学習モデルにおいて、予測値と正解値（正解データ）がどの程度近いかを示す指標となる関数です。 そのイメージをより具体的に持つため、簡単な例題をここで扱ってみましょう。解を導き出すのに少し時間がかかりますが、「偏微分」などの高度な数学は全く使いません。 2次関数など高校1年生レベルの数学をおさらいしながら解説していきます。一通り読めば、「数学を使って機械学習モデルを解く」というイメージがつかめるので、ぜひ解を導くところまで読み進めてください。 題材として「単回帰」と呼ばれる、1つの実数値の入力（x）から1つの実数値（y）を予測するモデルを取りあげます。具体的な処理内容としては、成年男子の身長x（cm）を入力値に、体重y（kg）を出力値とするようなモデルを考えることにします。モデルの内部構造は「線形回帰」と呼ばれるもので考えます。 線形回帰

[pecan_fudge]

最小二乗法の説明だった

[ewq]

変に高校一年レベルで説明しようとすると、余計わかりづらくない？ 数学って人によってできるできないがはっきりしてるので、理系大学2年生レベルで説明するか、小学生でもわかる範囲に留めて説明するかな気がする

[sugarball]

後で読まない

[yarumato]

“機械学習のカギとなる損失関数。2次関数など高校1年生レベルの数学をおさらいしながら解説。最適な予測関数と、回帰直線のグラフ表示”