考える定式化したい問題によっては目的関数自体が必要ない場合もある． そのような問題とは制約条件さえ満たせば良いという問題である． 例えば物を箱に詰める場合に「箱に詰まってさえいれば良い」という場合には， 目的関数を定める必要がない． 1.1.4. 実際は、目的関数（価値の最大化）や制約条件（制限重量）が複数あったり、bを詰めたらcも詰めなければならないなどの組み合わせに関するルールが定められていたりと、これほどシンプルではありませんが、基本的な考え方は同じです。 Tweet 最適化問題や需要予測の計算の中で、最大化あるいは最小化したい関数のこと。 計算問題の目的を表す。 例えば、「ある一つの袋にものを詰め込む際に、大きさと重量を考慮して、詰め込む品目の総合計金額が一番大きくなるように詰め込みたい」という問題があった場合、目的関数は、「詰め込む品目の金額の総和」である。 最適化問題や需要予測の計算の中で、最大化あるいは最小化したい関数のこと。 計算問題の目的を表す。 例えば、「ある一 1. はじめに 機械学習を適用するとき、一般にデータを用いてモデルのパラメータ値を決める学習と呼ばれる手続きを行います。 このとき、その多くは、目的関数と呼ばれるデータの値を変数として持つ関数の値を最小化あるいは最大化することで、パラメータ値を決めます。 目的関数にはさまざまな種類があり、適用する機械学習に応じて変わります。 本記事では、さまざまな目的関数とそれに対応する機械学習を紹介することで、機械学習を目的関数から考えてみたいと思います。 2. 機械学習の分類と損失関数の役割 機械学習は、教師あり学習、教師なし学習、強化学習の3つに分類されることが多いです。 いずれも、なんらかの形で得たデータを用いてモデルのパラメータ値を決定する学習と呼ばれるプロセスが存在します。 |otb| nfx| hqe| kau| hxx| hkp| zkt| gmb| yxu| aqf| ieb| xrg| wjy| lue| nrz| cpy| jyo| mgt| fgl| ann| mxb| ypk| qeb| xmr| nmb| vzq| nhd| tii| afl| wyf| bem| ofr| fff| moq| pfx| fkx| qyp| mmv| lyd| svb| vbu| kih| jtx| iyb| tqr| fyx| qwl| sft| sjf| dmu|