こんにちは、じゅんペー(@jp_aiboom)です！

僕は現在東京大学の理系の二年生です。この連載では、AI初心者の僕が、「パターン認識と機械学習(通称PRML)」を読み進めながら、機械学習の理論面を一から勉強していく様子をお届けしたいと思います。

重要なお知らせ：AI分野のお仕事マッチングサービス「AIDB HR」を開始しました！登録後はオファーを受け取るだけのシンプルなサービスです！現在、期間限定で、ギフト券が必ずもらえる新規登録キャンペーンも行っています。

第11回目の今回は、前回（第10回）の続きで、線形識別モデルを扱います。前回の記事をまだお読みになられてない方は、そちらから先に読んでいただく方が理解しやすいと思います。

▷　東大生AI初心者の学習日誌 Day10「線形識別モデル（１）」

前回は、線形識別モデルの中「最小二乗法」に焦点を当てて、実際に生成したデータを分類してみたのですが、ノイズが入るようなデータに対しては、最小二乗法ではうまくいかないことがわかりました。

今回は別の手法として、「パーセプトロン」を取り扱います。パーセプトロンは、1960年前後に発表された機械学習アルゴリズムで、現在でも広く使われています。

パーセプトロンについては、アイブンの他の記事より引用します。

ニューラルネットワークは、人間の脳を模倣したアルゴリズムです。そして、ニューラルネットワークは、「パーセプトロン」が組み合わさって表現されます。

パーセプトロンとは、複数の入力データから0または1の結果を出力する装置で、電気信号で情報伝達を行う脳の神経細胞のはたらきを模倣したものです。データが入ってくる「入力層」、データを複雑に計算する「隠れ層」、データを出力する「出力層」の3つで成り立っています。

パーセプトロン

では、ここから実際にどのようにパーセプトロン学習するかをみていきましょう。