Machine Learning(機械学習)
Programmingの公式： ルール ＋ データ ＝ 解答
Machine Learningの公式： 解答 ＋ データ ＝ ルール
正則化：過学習を抑制するための手法
標準化：データの平均を０に、標準偏差を１に変換すること
正規化：データを０から１に収まるようにスケーリングすること
転移学習：学習済みモデルの重みは固定し、出力層だけを付け替えて学習します。
例：犬と猫と人間を分類するモデル → 犬と猫を分類するモデル（犬と猫のデータで再学習）
ファインチューニング：学習済みモデルの重みを初期値とし、全部の層を再度学習することによって微調整します。
例：犬と猫と人間を分類するモデル → 柴犬と秋田犬を分類するモデル、人間を年代毎に分類するモデル （全く異なるモデルへ）
Supervised Learning :
Unsupervised Learning :
★scikit-learn
http://scikit-learn.org/stable/
基本的にやるべきことが三つ
# Collect data
features = [[160,30],[170,15],...]
labels = [0,1,...]
# Training classifier
from sklearn import tree
clf = tree.DecisionTreeClassifier()
clf.fit(features,labels)
# Predict data
print(clf.predict([[180, 10]]))
