データ科学で使用される分類アルゴリズム - ダミー

分類アルゴリズムを使用すると、既存のデータセットを使用して、将来のデータポイントの分類に使用するための予測モデルを生成するために、あなたが知っていることを使用してください。将来のデータポイントの分類を予測するためのモデルを構築するために、データセットとその既知のサブセットを使用することが目標の場合は、分類アルゴリズムを使用することをお勧めします。

教師あり分類を実装する場合、データのサブセットを知っている必要があります。これらのサブセットは カテゴリ と呼ばれます。 分類は、データセットの事前定義されたカテゴリにデータがどの程度適しているかを把握するのに役立ち、将来のデータポイントの分類に使用する予測モデルを構築できます。

<！ - 1 - >

図は、世銀の所得と教育のデータセットを大陸の分類に従って分類する方法を示しています。

クラスタリング手法で特定できるサブセットは、大陸カテゴリに対応する場合もあれば、そうでない場合もあることがわかります。たとえば、アフリカのデータポイントの中央にあるアジアの国を1つ見てみましょう。それはブータンです。このデータセットのデータを使用して、着信データポイントの大陸カテゴリを予測するモデルを構築することができます。

<！ブータンと同様の統計を示した新しい国のデータポイントを導入した場合、新しい国はアジア大陸かアフリカ大陸のいずれかに分類される可能性がありますモデルの定義方法について説明します。

元のデータにブータンが含まれていない状況を想像し、このモデルを使用してブータンの大陸を新しいデータポイントとして予測します。このシナリオでは、モデルは、ブータンがアフリカ大陸の一部であると間違って予測するだろう。

<！これはモデルがその根底にあるデータセットにあまりにもぴったり合っている状況と、そのデータセットに固有のノイズまたはランダムなエラーの例である。モデルが新しいデータポイントの予測子として機能しないことを示します。

モデルのオーバーフィットを避けるために、データをトレーニングセットとテストセットに分けます。典型的な比率は、データの80％をトレーニングセットに割り当て、残りの20％をテストセットに割り当てることです。トレーニングセットを使用してモデルを構築し、テストセットを使用して、テストセットのデータポイントが不明であるとモデルを評価します。モデルによるこれらのテストセットデータポイントに割り当てられたカテゴリを真のカテゴリと比較することによって、モデルの精度を評価できます。

モデルの過大化も問題となり得る。 過大化（Overgeneralization） はオーバーフィッティングとは逆です。データ科学者がモデルを非常に一般的なものにすることによって、オーバーフィットによる誤分類を回避しようとするときに起こります。あまりにも一般的なモデルは、すべてのカテゴリに低い信頼度を割り当てることになります。

モデルの過大化を説明するために、世界銀行の収入と教育のデータセットを再度検討する。このモデルがブータンの存在を利用して近くの新しいデータ点に疑念を投げかけた場合、近くのすべての点をアフリカンとして扱う確率は低いウィーディーワシモデルになります。このモデルはあまり予測的ではありません。

上着と過大化の優れたメタファは、「アヒルのように歩き、アヒルのように話すならば、それはアヒルです。 「足りないことは、このフレーズを、「私が個人的に歩くと突っ込むためにアヒルを観察したやり方で正確に歩くと突き刺すならば、それはアヒルです。私はオーストラリア産のアヒルが歩く方法を見たことがないので、オーストラリアのアヒルは本当にアヒルではないはずです。対照的に、過体重化は、「2本の足で動き回り、高音、鼻音を発するなら、それはアヒルです。したがって、90年代のアメリカのシトコムでのフラン・フレッシャーのキャラクター、フラン・ファーシャー は、ナニー はアヒルでなければなりません。 "

監視対象の機械学習

- 分類のための派手な用語 - は、次の特性が真である状況で適切です。

分析しているデータセットを理解していること。 あなたのデータセットのサブセット（カテゴリ）は、事前に定義されており、データによって決定されません。 事前定義されたカテゴリ内のデータを関連付けるモデルを作成し、モデルが将来のデータポイントの分類を予測するのに役立つようにします。

分類を実行するときは、次の点に留意してください。 モデルの予測は、モデルの基礎データと同じくらい良好です。

• 世界銀行のデータの例では、平均余命や1人当たりエネルギー使用量がモデルに追加された場合、その予測力が増加する可能性があります。

• モデルの予測は、基礎となるデータセットの分類と同じくらい良いです。

• たとえば、ロシアのように2大陸にまたがる国ではどうしますか？北アフリカとサハラ以南のアフリカを区別していますか？同様の属性を共有する傾向があるので、ヨーロッパで北米を盛り上げていますか？中米は北米や南米の一部であると考えていますか？オーバーフィットと過度の生成の絶え間ない危険があります。両者の間には幸せな媒体が必要です。