用語集
- 活性化関数
-
ニューラルネットワークにおける数学関数で、セットの入力に対してノードの出力を決定する。一般的な活性化関数には、ReLU(整流線形単位)、シグモイド、tanh(双曲線 正接)などがある。
- アルゴリズム
-
計算やその他の問題解決作業において、特にコンピュータが従うべき一連の規則や指示。機械学習では、アルゴリズムを用いてデータからパターンを学習する。
- アプリケーション・プログラミング・インタフェース(API)
-
異なるソフトウェアアプリケーション同士がコミュニケーションできるようにする一連の規則やプロトコル。サッカー分析では、StatsBombやOptaなどのプロバイダーからデータにアクセスするためにAPIがよく使用される。
- 裁定取引
-
スポーツベッティングにおいて、アービトラージの機会とは、ベッターが異なるブックメーカー間でイベントのあらゆる結果に対して比例した賭けを行うことで、結果にかかわらず利益を保証できる状況のことだ。
- 曲線下面積(AUC)
-
二値分類モデルの性能を評価するために用いられるメトリック。受信者動作特性曲線下の面積を表す。AUC値が高いほど、1に近づくほど、モデルの性能が優れていることを示す。
- 配列
-
通常は同じデータ型の項目の集合を格納するデータ構造。Pythonでは、データ分析における数値演算にNumPy配列が一般的に使用される。
- バックプロパゲーション
-
ニューラルネットワークのトレーニングに使用されるアルゴリズム。ネットワークの重みに対する損失関数の勾配を計算し、損失を最小化するよう重みを調整することで機能する。
- 資金管理
-
リスクを最小限に抑え、長期的に賭け活動を持続させるために、賭けに使用する資金を管理する手法。合計資金に対する賭け金の割合を決定する戦略を含む。
- バイアス・分散のトレードオフ
-
機械学習における基本的な概念であり、モデルがトレーニングデータに適合する能力(バイアスが低いこと)と、新しい未見のデータに一般化する能力(分散が低いこと)とのトレードオフを表す。過度に単純なモデルはバイアスが高くなる傾向があり、過度に複雑なモデルは分散が高くなる傾向がある。
- 二値分類
-
2つの可能な結果のうちの1つを予測することを目的とする分類タスクの一種。例えば、サッカーの試合が勝利に終わるかどうか(すなわち、敗北か引き分けか)を予測すること。
- 因果関係
-
原因と結果の関係。分析において、因果関係を確立することは困難だが、ある変数の変化が単に相関しているのではなく、別の変数の変化を直接引き起こしているかどうかを理解するために不可欠である。
- クラス不均衡
-
分類タスクにおいて、あるクラスの観測値数が他のクラスの観測値数と著しく異なる状況。これにより、モデルの性能が多数派のクラスにバイアスがかかる可能性がある。
- 係数
-
式における項の数値的要素。線形回帰において、係数は対応する独立変数が1単位変化した際の従属変数の変化を表す。
- コリー行列
-
線形方程式系に基づいてチームや選手をランク付けするメソッド。勝敗数と対戦相手の強さを考慮する。
- 混同行列
-
分類モデルの性能を評価するために用いられる表。この表には、真陽性、真陰性、偽陽性、偽陰性の数が示される。
- 交差妥当性確認
-
統計分析の結果が、独立したデータセットにどの程度一般化できるかを評価するテクニック。データをサブセットに分割し、一部のサブセットでモデルをトレーニングし、残りのサブセットでモデルを検証する。
- データクリーニング
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access