YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Japanese subtitles

← 04_Unsupervised Learning

Get Embed Code
2 Languages

Showing Revision 1 created 10/19/2014 by Udacity.

  1. 教師なし学習についてはどうですか?
  2. 教師なし学習には訓練例がなく
  3. あるのはインプットなど必要なものだけです
  4. 何らかの構造を導き出すために
  5. インプットそのものの関係性を調べるのです
  6. では例を挙げていただけますか
  7. 例えば異なる動物について学び始めたとしましょう
  8. 子供でさえも動物は外見上似ていると
    すぐに気がつきます
  9. どの動物も4本足ですから
    私はすべての動物を犬と呼びます
  10. 馬でも牛でもです
  11. 私は誰に教えられなくても
    これらは同種だと判断できます
  12. 木などとは異なっていると
  13. 木には4本足はないですね
  14. ありますよ でも問題は吠えるかどうかです
  15. 私の誘導に乗りましたね
  16. まんまと
  17. わざと4本足の木の話をしたんです
  18. マイケルは言葉遊びが大好きです
  19. まさか上司にも?
  20. 言ってますよ 大勢の上司に
  21. フィードバックも多そうですね
  22. 多すぎて困っています
  23. さて教師あり学習が関数近似だとしたら
  24. 教師なし学習は説明についての学習です
  25. ひとまとまりのデータを
    いろいろな方法で分析します
  26. 要約とも言えます 短くまとめた説明です
  27. 通常は簡潔に要約した説明ですね
  28. 私はここにある画素を要約して男性と表現します
  29. 何ですって 私は画素ですか
  30. 画面上ではね
  31. いいでしょう
  32. でも私は画素ではありません
  33. 私以外は画素です
  34. 私は画素を見て
    男性や女性や犬や木だと言うかもしれません
  35. しかし犬や木や男性や女性というラベルがなければ
  36. ただこんな感じのものだと表現するしかありません
  37. あちらの物とは違うと言えるだけです
  38. ここにある物だけで考えてみましょう
  39. イスです
  40. 確かにイスです
  41. こちらの画素がそちらの画素は
  42. 相対的に違うのです
  43. ですから
  44. まだ教師なし学習を理解できません
  45. では外に出掛けて人々を観察し
  46. 実際に分類してみましょう
  47. 分類の基準は民族でもいいですし
  48. 薄毛をごまかすために頭を剃っているとか
  49. 髪がウェーブがかっているかとか
  50. あごヒゲがあるかでも分類できます
  51. 産毛でも
  52. 白髪のあるかでもいいですね
  53. 方法はたくさんあります
  54. 白髪のところで私を指しましたね
  55. たまたま白髪が見えたんです
  56. 本当ですか? どこに白髪が?
  57. そこですよ 髪の分け目のところにあります
  58. 今度は世界を分類しましょう
  59. 性別や身長や帽子をかぶっているかいないかでも
  60. 何でもいいのです
  61. 正しい分類の仕方などありません
  62. これが教師なし学習つまり説明です
  63. 分類した個人の画素を送ったり
    集団に完璧な説明をつけることより
  64. 男性は57人で女性は23人だとか
  65. ほとんどの人にヒゲがあったとか言えばいいのです
  66. いい要約ですね
  67. 明解で簡潔な説明こそが教師なし学習です
  68. 教師あり学習とは異なりますね
  69. 実際いくつかの点で異なります
  70. 相違点の例として
  71. 世界を分類する方法はすべて
  72. ある意味どれも同じなのです
  73. ですから分類の方法は性別でも身長でも
  74. 服装でも何でもいいのです
  75. どの方法も等しく有効ですし
  76. 不都合があれば分類を変えればいいのです
  77. つまり教師あり学習では
    直接伝えられたことをやるだけです
  78. これが訓練になるのです
  79. 学習方法は異なりますが
    教師なし学習は教師あり学習に役立ちそうですね
  80. 分かりやすくて正しい説明があれば
  81. よりよく関数を近似できますからね
  82. そうですね 性別を分類するのに
    画素をインプットする代わりに
  83. 髪の量でも身長と体重の比でも
    何でも好きな要約量を使えるわけです
  84. ところで実際にはこれは密度推定になります
  85. 最終的に統計になることもよくあります
  86. 最初から統計なのに密度推定ですか?
  87. はい
  88. 私はバカですか?
  89. いいえ
  90. では密度推定とは何ですか?
  91. これから学習します
  92. 分かりました
  93. ではまた