機械学習基礎用語

こんにちは。iPXの堀田です。
夏風邪がなかなか治りません。皆さんも体調には気を付けましょう・・・

さて、私は現在機械学習の勉強を進めているのですが、見ただけでは意味が分かりづらい用語が多く、覚えるまでに苦労します。
今回は私の学習過程で調べたキーワードについて、備忘録を兼ねて一覧にしてみようと思います。

私が少し噛み砕いて解釈した内容なので、間違いや誤解を与える表現が含まれている可能性がありますがご容赦ください。

ニューラルネットワーク(Neural Network)	脳の神経細胞網を模したモデル。複数の入力から一つの出力を得るニューロンモデルを複雑に組み合わせたもの。
ディープラーニング(Deep Learning)	多層ニューラルネットワークによる機械学習法。
パーセプトロン(Perceptron)	複数の入力から一つの出力を得るニューロンモデルの一つ。出力値は0か1の2通り。
多層パーセプトロン(Multilayer Perceptron)	複数のパーセプトロンを組み合わせたニューロンモデルの一つ。組み合わせ方により0か1以外の結果を得ることができる。
教師あり学習(Supervised Learning)	入力データに正解の情報を与える学習方法。特定の期待する結果を出力して欲しい場合に用いる。
教師なし学習(Unsupervised Learning)	入力データに出力を誘導するような情報を持たせない学習方法。入力データに何らかの傾向を見出したい場合などに用いる。
強化学習(Reinforcement Learning)	試行錯誤を繰り返して環境に適用した行動を選択させる学習方法。入力に対して正しい出力を示す教師あり学習とは異なり、最終的な結果に対して報酬を与えて学習させる。
クラスタリング(Clustering)	教師無し学習の一種。データを外部からの情報なしに自動的に分類する手法。
活性化関数(Activation Function)	出力を次の層の入力に伝える際に適用する関数。脳神経モデルのシナプスにあたる部分。
確率的勾配降下法(Stochastic Gradient Descent)	ニューラルネットワークモデル関数の最小値を得る勾配降下法に使用する教師データをランダムで抽出し、計算量を減らす手法。
誤差逆伝播法(Back Propagation)	パーセプトロンからの出力データと正解データとの誤差を計算し、重みを調整して誤差を減らす方法。
自然言語処理(Natural Language Processing)	人間が使用している自然言語を、コンピュータに処理させること。

これらの用語は基礎の部分なので、機械学習について調べる際に何度も出てくるので覚えましょう（自らへの戒めを込めて）。
最新のトレンドなんかも紹介したかったのですが、まだ私の理解が浅いためうまくまとめることができず・・・
またの機会に紹介できればと思います。

最後までお付き合いいただきありがとうございました。