機械学習のアルゴリズム後編：線形回帰と決定木の応用的なアルゴリズム

本授業のテーマは前回の授業に引き続き、「線形回帰」と「決定木」。

線形回帰や決定木のアルゴリズムをもとに実用的なモデルを組むためには解決すべき問題があります。
モデルの精度を上げる (表現力を高める) 取り組みと、未来を予測する (汎化性能を高める) 取り組みがトレードオフである点です。

今回の授業では、表現力と汎化性能について詳しく学習し、それらの問題を解決する応用的なアルゴリズムとして、リッジ回帰とランダムフォレストについて学習します。