- 担当教員
- 村田 剛志
- 使用教室
- 月5-6(W833)
- 単位数
- 講義：2 演習：0 実験：0
- 講義コード
- 76017
- シラバス更新日
- 2008年10月1日
- 講義資料更新日
- 2008年10月1日
- 学期
- 後期
講義概要
与えられたデータに内在する知識や法則をコンピュータによって見出す機械学習の手法について論じる。入力データに関する基本事項や，学習によって得られる概念表現としての決定木やルール等について理解を深めるとともに，現実的なデータへの手法の適用についても論じる。
講義の目的
人工知能における学習手法について論ずる。学習における入力データや得られる知識
の表現として、決定木やルールなどの基本事項を学ぶとともに、知識発見や構造
を持ったデータからの学習などの応用についても考察する。
講義計画
1. 機械学習とデータマイニング, Weka
2. 構造の記述, 学習結果の応用例
3. 概念空間, バイアス
4. 入力データ形式, 分類学習, 相関学習
5. 入力データ形式, クラスタリング, 数値予測
6. 属性の型と変換, 名義量, 順序量, 間隔量, 比量
7. 知識表現, 決定木, 分類ルール, 両者の変換, ルールの解釈
8. 相関ルール, 事例ベースの表現, クラスタの表現
9. 基本的な学習アルゴリズム, Naive Bayes
10. 決定木, 情報利得, 利得比
11. カバーリングアルゴリズム, ルールと決定木
12. 学習結果の評価, クロスバリデーション
13. t-検定, 最小記述長原理
14. まとめ
教科書・参考書等
参考書等
1. Data Mining: Practical Machine Learning Tools and Techniques with Java
Implementations, I. H. Witten, E. Frank, Morgan Kaufmann, 1999.
関連科目・履修の条件等
←人工知能特論
成績評価
レポートおよび講義への貢献により総合的に評価する．
その他
知識ユニット
ルール、決定木、クラスタリング、データマイニング、学習、推論、問題解決、知識
表現、発見
