AI / ディープラーニング (Deep Learning) / 機械学習 (Machine Learning)

機械学習 （Machine Learning）とは

データを繰り返し学習し、そのデータの中にあるパターン・経験則を認識します。
そして、新たな未知のデータに対して、機械が自律的に認識したパターン・経験則を当てはめて答えを導き出します。

学習するデータを入力とし、出力として答えを出します。さらに、入力と出力の間に学習するためのモデルと呼ばれるものがあります。
機械学習を行う過程の始めに、入力された学習データから特徴量と呼ばれる数値を抽出する必要があります。
特徴量とは、学習データにどのような特徴があるかを数値化したものです。この特徴量の抽出は人間が設計し作らなければいけません。
そして、抽出した特徴量を元に機械はパターン・経験則をモデルを使って学習します。

機械学習によってもたらされる効果は絶大です。

• 未来予測 – 株価や天気、さらには病気まで。あなたのこれからを予測します。
• 異常検知（不正検知） – 設備の不良やスパムメールを検知しお知らせしてくれます。
• 音声認識 – 魔法のようにあなたの声で様々な機器を操作できます。
• 商品推薦（レコメンド） – ネットショッピングであなたに最適な商品をお勧めしてくれます。

機械学習の種類

機械学習の学習方法にはいくつか種類があります。そのうち、最も使われているのが教師有り学習と呼ばれるものです。
他にも、教師無し学習や半教師有り学習、強化学習といった学習方法があります。

機械学習のアルゴリズム

機械学習は様々なシチュエーションで効果を発揮します。
それは、そのシチュエーションにあったアルゴリズムを選択・使用することによって実現します。
その一部をご紹介します。

クラスタリング

• K平均法 （k-means）
• ランダムフォレスト

クラス分類

• サポートベクターマシン （SVM : Support Vector Machine）
• 線形回帰
• ロジスティック回帰
• ナイーブベイズ
• ランダムフォレスト
• 隠れマルコフモデル
• k近傍法 （k-Nearest Neighbor Algorithm）
• ベイジアンネットワーク

次元削減

• 主成分分析 （PCA : Principal Component Analysis）
• 部分最小二乗回帰 （PLS : Partial Least Squares）
• サモンマッピング
• 多次元尺度法 （MDS : Multi Dimensional Scaling）

ニューラルネットワーク

• パーセプトロン
• ディープラーニング （Deep Learning）
• 自己組織化マップ

その他

• 遺伝的アルゴリズム （GA : Genetic Algorithm）

創屋の機械学習

創屋は機械学習を使用した技術の提供を行っています。