機械学習論（Machine Learning）
機械学習論（Machine Learning）
これは，2020年時点での講義資料です．
この講義では，主要な機械学習手法と知識獲得・発見手法について主要なものを解説する．ただし，人工ニューラルネットによる機械学習法は除く．それらは『計算知能論』の講義の中で解説する．
狭い意味での機械学習と知識獲得・発見の大きな違いは，機械学習が，与えられたデータの分割や分類，あるいは入出力関係の学習・一般化を何らかの形で実現することを目的とするのに対し，知識獲得・発見では与えられたデータから人間が理解可能な形(言葉)でなんらかの知識を取り出すのが目的となる．前者はアルゴリズム，関数，ブラックボックス等，どのような形でも目的を達成すればばよいのだが，後者は言語表現可能な形での知識を得なければならない．なお，決定木のように機械学習であると同時に，知識獲得とみなせる手法も存在する．
第１講 機械学習について
第２講 階層的クラスタリング
第３講 非階層的クラスタリング
第４講 概念形成／概念クラスタリング
第５講 バージョン空間法
第６講 分類学習のデータと評価
第７講 判別分析とサポートベクトルマシン
第８講 決定木 - ID3とC4.5
第９講 決定木で数値データを扱う
第10講 アンサンブル学習
第11講 関係データベースからの知識獲得
第12講 ラフ集合論による知識発見（その１）
第13講 ラフ集合論による知識発見（その２）
第14講 データベースからの知識発見：相関ルール