はじめのパターン認識第一章まとめ

学習の流れ

• 人間の認識は、単にモノを見るだけではなくそのモノの特徴を捉えて、それが何であるかを認識している。
  


• モノの特徴と結論との関連付け（識別規則）を「学習」する。


• みにくいアヒルの子定理
  
  
  
  • 特徴量に対して重みを考慮しないといけない。やみくもに特徴をとればいいってもんじゃないよ。
  
  

ポイント

特徴抽出は大切。

特徴の種類

それぞれの特徴の和と差の意味がないもの

• 名義尺度:ラベル(名前、地名)で表すもの。
  解析方法: 最も頻出しているものは？ 　表現方法: 文字列、ダミー変数




• 順位尺度:1位、2位、3位など
  解析方法: 最も出現する順位は？ 表現方法: 数値

和と差に意味を持つが変動の日に意味がないもの

• 間隔尺度:日付、テストの点数
  ※日付の数値(7日、14日)の差（7日間）には意味を持つが、7と14には意味を持っていない。
  解析方法:平均や分散を計測することが可能
  表現方法:数値

和と差に意味を持ち、かつ変動の比重にも意味を持つ

• 比例尺度:身長、体重、絶対温度
  解析方法:最も頻出しているもの、差の平均や分散を取得できる
  表現方法:数値

次元の呪い

• 特徴をとればとるほど、次元が増加⇨特徴がきちんととれなくなる。

第一章まとめ

• 人間はモノ（オブジェクト）そのものを見て認識しているのではなく、特徴で認識している


• 特徴を規則に対応させるために「学習」を行う


• 特徴の尺度が複数あり、それぞれ解析する操作方法がある。


• 特徴をとりすぎればよいというものではない。


• 適切な特徴を適切なだけとり、かつ適切な形で解析操作を行うこと

次回からは

• scikit-learn: machine learning in Pythonを使ってみよう。

はじめてのパターン認識