機械学習(Machine Learning)

概要

この記事では,機械学習(Machine Learning)について説明します.

スポンサーリンク

機械学習(Machine Learning)概説

機械学習の定義

機械学習とは,データをコンピュータに学習させて,それらのデータが持っているパターンや特徴を見つけ出すことです.そして,学習したパターンや特徴に基づいて実行したい処理を行います.

実際には,訓練データを学習器に投入して学習モデルを作成し,その学習モデルを利用して処理を行います.

 

機械学習の処理の流れ

機械学習には,大きく分けて2つの処理があります.目的を達成するための学習モデルを作成する学習処理と,実際に目的を達成する処理です.

 

学習処理

ある達成したい目的,作業に対して,機械が自動でその作業をしてくれるように何をすればいいかを学習します.具体的には,学習器に訓練データを投入し,その特徴を抽出します.抽出した特徴を学習することで,学習モデルを生成します.

 

実際に目的を達成する処理

学習処理で作成した学習モデルを利用して,達成したい目的,作業をこなします.具体的には,入力された未知のデータ(テストデータ)に対して,学習モデルに基づいて予測をし,達成したい目的,作業をこなした結果を出力します.

 

機械学習の利点

 

機械学習で重要な3つのもの

データ

コンピュータが目的の処理を正しく行うためには,処理(モデル)の基となるデータが目的に合ったものでないといけません.具体的には,以下の3つのポイントがあります.

  • 種類

 

アルゴリズム

計算環境

機械学習では,学習の際に大量のデータに対して複雑な処理を行うため,その処理を現実的な時間でやり終える計算環境が必要です.

 

用語

学習器

学習器とは,データから規則性やパターンを抽出する仕組みのことです.そのため,規則性やパターンを見つけ出すための基になるデータを学習機に投入する必要があります.

 

訓練データ

訓練データとは,学習器に投入されるデータのことです.

  • 画像分類タスク:様々な種類の物体が写った大量の画像
  • メールがスパムメールかどうかの判断:いろんな種類の大量のメール
  • ニュースのグループ分け:様々な話題の大量のニュース記事

 

 

学習モデル

学習モデルとは,学習器が訓練データから抽出したパターンや規則性のことです.

 

教師データ

教師データとは,訓練データがどのような種類のデータであるかを表す正解データのことです.教師あり学習では,訓練データ(入力データ)と正解データをセットにして学習します.

 

教師あり学習には,

  • 回帰
  • 分類

などがあります.

 

  • 教師なし学習
    • クラスタリング
    • 次元削減
  • 強化学習
    • 状態
    • 行動
    • 報酬

 

コメント