学習と推論
みなさんこんにちは、いぬがすきです。
データアナリストへの道の第一歩を踏み出そうとしているサラリーマンです。
分析については全くのど素人なので、
『学んだ知識をビジネスに活かしていけるようにする』ことをゴールに勉強していきたいと思います📊
今回は機械学習を学ぶ上で重要なステップとなる学習と推論についてです！
それでは、一緒に勉強していきましょう！
学習と推論を人間に例えてみると
まずは学習と推論を人間に例えてみましょう。
0歳の赤ちゃんを想像してください。
0歳の赤ちゃんが初めて犬を見たとき、赤ちゃんが犬を指差して「いぬ！」と認識することはできるでしょうか？
もちろん答えは、できないです。
初めて犬を見るので、人間よりも小さくて四足で歩いている生物が犬だともちろん知らないですよね。
それではなぜ、 赤ちゃんが成長していくと犬や猫を認識することができるのでしょうか。
それは、赤ちゃんと一緒にいる親が「あれは犬っていうんだよ」と答えを教えるわけです。
1回だけではなく、2回、3回と、赤ちゃんが見た生物が「犬」であるということを覚えさせていく、この過程が学習にあたります。
人間に対して使用する「学習」と似ているかもしれませんね。
そして、学習の過程を経た赤ちゃんが犬を見たとき、赤ちゃん自身の口から「犬！」と発することができるようになるわけです。
このように、学習した結果を元に何かの出力を行うことを、機械学習では推論と呼びます。
男女の顔画像分類を例に考える
男性と女性の画像を使います。
今回の例では、ある画像 (1人が写った顔写真)を入力として、
この画像内に写っている人間が、男性か女性かを見分けたいという問題設定にします。
まずは、男性の画像を入力データとして渡します。 入力データに紐づく形で出力データである男性という情報を渡します。
今回は男性か女性か見分けるという問題設定であるため、男性というデータは答えにあたり、これを目標値と呼びます。
目標となる値ということなのでそのままの意味ですね。笑
学習では、ある入力と出力に対して情報を紐づけてあげるために「この入力を行うとこの出力が得られる」といったデータを渡して、その規則性を見つけます。
女性の画像も同様に、入力データとなる画像と、
目標値 (女性)を渡します。もちろん、1枚ずつではなく複数のデータをインプットする必要があります。
学習後、学習済みモデルを用いて推論を行います。
つまり、新しい未知の画像を入力し、その画像が男性か女性であるかを判定します。
これが推論であり、推論結果が良くなるように（男性画像を男性である、女性の画像を女性である）
しっかりと判定できるように学習させていく必要があります。
いかがでしたか？
今回は自分も勉強していて少し難しく感じました💦
引き続き一緒に頑張っていきましょう📊！！！
下記参考資料です📚
この記事が気に入ったらサポートをしてみませんか？