こんてんつ
色々な機械学習の定義があるが、それぞれの言葉の意味がごちゃごちゃになる。簡単に使い分けを述べておく。
サマリー
- 機械学習 : ルールベースと違って対応を学習できる人工知能
- 教師あり学習 : 目的変数があるデータセットからその関係性を学習し、関数を作ること
- 教師なし学習 : 目的変数がついていないデータの特徴を自動的にとらえ、分類や要約を行う
- 強化学習 : 目的変数の数が多く、答えのラベル付けが困難な学習。学習システムに、行動を実施させ一連の結果から学習させる
- ディープラーニング : 特徴量を表現するのが難しいものに用いるのが有効で、ニューラルネットワークという関数を表現する手法を用いて、学習すること
機械学習
人工知能(AI)は次の4つのレベルに分類されると言う。
上記のレベル2までは、ルールベースの対応しかできない。それに対して下の2つは、対応を学習することができる。
教師ありなし学習
教師あり学習
- データに目的変数(答え)が付いているものとセットで、答えが導かれる様に自動的にルールを学習する学習。
- 大量のデータセット(入力と出力)から、その関係性を学習し、予測できるモデル(関数)を作ること。
- データにラベル(正解)が必ずあり、それを予測すること
教師なし学習
- データに目的変数がついていないデータの特徴を自動的にとらえ、分類や要約を行う。
- データをグループごとに分けたり、圧縮して取り扱いやすくするもの。
- クラスタリング時のの特徴量、次元削減時の軸は人間が解釈する必要がある。
強化学習
- 目的変数の数が多く、答えのラベル付けが困難な学習
- 学習システムに、行動を実施させ一連の結果から学習してもらう
- どのような状況で、どんな行動をとることが最適化試行錯誤して学習する手法
- ある環境における報酬を最大化するように試行錯誤して学習する手法
- ある環境において学習目的を達成するために、最適な行動選択のルール(方策)の学習を試行錯誤する
ディープラーニング
- ニューラルネットワークという関数を表現する手法を用いて、学習すること。
- 特徴量を表現するのが難しいものに用いるのが有効(機械が勝手に特徴量を見つけてくれる)
- 解釈性が低いのがデメリット
例
教師あり学習
- 画像処理による不良品判別
- 株価予測
- 翻訳
- 文字認識
教師なし学習
- 要約AI
- レコメンド広告
強化学習
- 株の取引
- 自動運転
ディープラーニング
- 上の殆どだが、より複雑なこともできる。