教師あり学習は、予測を行うために既知のデータセット（学習データセットと呼ばれます）を使うタイプの機械学習におけるアルゴリズムです。学習データセットには、入力データと応答値が含まれます。このデータセットを使って、教師あり学習アルゴリズムは新しいデータセットに対する応答値の予測を行うモデルの構築を行います。テスト データセットは、モデルの検証によく使用されます。大規模な学習データセットを使用すると、多くの場合、新しいデータセット向けにすぐれた汎化を行う、予測力の高いモデルが作成されます。
教師あり学習には、次の 2 つのカテゴリのアルゴリズムが含まれます。
- 分類: カテゴリカルな応答値に対するもので、データを特定の“クラス”に振り分けます。
- 回帰: 連続型の応答値に対するものです。
一般的な分類アルゴリズムには次のようなものがあります。
- サポートベクターマシン
- ニューラルネットワーク
- 単純ベイズ分類器
- 決定木
- 判別分析
- 最近傍法 (kNN)
一般的な回帰アルゴリズムには次のようなものがあります。
教師あり学習アルゴリズムの詳細については、Statistics and Machine Learning Toolbox™ および Deep Learning Toolbox™ をご覧ください。
