2016年05月08日
カテゴリ： 考え方的なやつ
為替予測にあたってＲ関連の情報を集めているときに
ふとした記事が目に入る。
ニューラルネットなるもの。
いったい、どのようなものなのか？
ウィキペディアによると、
”ニューラルネットワークは、教師信号（正解）の入力によって問題に最適化されていく教師あり学習と、教師信号を必要としない教師なし学習に分けられる。明確な解答が用意される場合には教師あり学習が、データ・クラスタリングには教師なし学習が用いられる。中間層が2層以上ある深層学習においては、出力に近い最後の中間層を教師あり学習で、それよりも入力に近い側を教師なし学習で学習する方法がジェフリー・ヒントンらにより提案されている。
結果としていずれも次元削減されるため、画像や統計など多次元量のデータで線形分離不困難な問題に対して、比較的小さい計算量で良好な解を得られることが多い。 現在では、特徴量に基づく画像認識、市場における顧客データに基づく購入物の類推など、パターン認識、データマイニングとして応用されている”
▽ＷＩＫＩＰＥＤＩＡ
https://ja.wikipedia.org/wiki/%E3%83%8B%E3%83%A5%E3%83%BC%E3%83%A9%E3%83%AB%E3%83%8D%E3%83%83%E3%83%88%E3%83%AF%E3%83%BC%E3%82%AF
要は、データ学習を行い、パターン認識させたプログラムに近い将来の予測をするものらしい。
なかなか面白ろうじゃないか！
Ｒとニューラルネットの組み合わせで
いろんなことが試せそうな気がする。
明日から、ちょっと触ってみることにしよう（笑）
ふとした記事が目に入る。
ニューラルネットなるもの。
いったい、どのようなものなのか？
ウィキペディアによると、
”ニューラルネットワークは、教師信号（正解）の入力によって問題に最適化されていく教師あり学習と、教師信号を必要としない教師なし学習に分けられる。明確な解答が用意される場合には教師あり学習が、データ・クラスタリングには教師なし学習が用いられる。中間層が2層以上ある深層学習においては、出力に近い最後の中間層を教師あり学習で、それよりも入力に近い側を教師なし学習で学習する方法がジェフリー・ヒントンらにより提案されている。
結果としていずれも次元削減されるため、画像や統計など多次元量のデータで線形分離不困難な問題に対して、比較的小さい計算量で良好な解を得られることが多い。 現在では、特徴量に基づく画像認識、市場における顧客データに基づく購入物の類推など、パターン認識、データマイニングとして応用されている”
▽ＷＩＫＩＰＥＤＩＡ
https://ja.wikipedia.org/wiki/%E3%83%8B%E3%83%A5%E3%83%BC%E3%83%A9%E3%83%AB%E3%83%8D%E3%83%83%E3%83%88%E3%83%AF%E3%83%BC%E3%82%AF
要は、データ学習を行い、パターン認識させたプログラムに近い将来の予測をするものらしい。
なかなか面白ろうじゃないか！
Ｒとニューラルネットの組み合わせで
いろんなことが試せそうな気がする。
明日から、ちょっと触ってみることにしよう（笑）
お気に入りの記事を「いいね！」で応援しよう
[考え方的なやつ] カテゴリの最新記事
-
Ｒによる時系列データの分析にトライ 2016年05月08日
-
FXに久しぶりに着手 2016年05月06日
【毎日開催】
15記事にいいね！で1ポイント
© Rakuten Group, Inc.
