機械学習の手法を俯瞰してみる

『Pythonによる深層強化学習入門』で書かれている"機械学習の種類（一例）"を参考にして作成。

どの系統に属するものなのか、まとめておく。

分類	概要	手法	例
教師あり学習	入力データと、それに対する答え（教師データ）がセットになったデータを学習する	ニューラルネットワーク	手書き文字認識
		サポートベクタマシン (SVM)	OpenCV dlib
		決定木 (decision tree)	音声認識トライフォンモデル作成
		条件付き確率場 (CRF: Conditional Random Field)	MeCab Viterbiアルゴリズム Forward-Backwardアルゴリズムによるパラメータ更新
		線形判別分析 (LDA: Linear Discriminant Analysis)	特徴量の無相関化 特徴量変換用のパラメータ更新
教師なし学習	入力データに含まれる何かしら要素を計算することで自動的に分類する	主成分分析 (PCA: Principal Component Analysis)	次元削減
		クラスタ分析	hclust関数(R言語)
		k-means法 ハードクラスタリング	kmeans関数(R言語)
		混合ガウスモデル ソフトクラスタリング	混合正規分布モデルのHMM EMアルゴリズムによるパラメータ更新
		自己組織化マップ (SOM: Self-Organizing Map)	som関数(R言語)
		潜在的ディリクレ配分法 (LDA: Latent Dirichlet Allocation)	Gensim(Pythonライブラリ)
		オートエンコーダ (AE: Auto Encoder)	Encoder-Decoder
		敵対的生成ネットワーク (GAN: Generative Adversarial Networks)	イメージ生成
半教師あり学習	「うまくいっている」もしくは「うまくいっていない」という情報を使って学習する	強化学習	ボールキャッチゲーム
		変分オートエンコーダ (VAE: Variational AutoEncode)	イメージ生成