機械学習の3大トピックとは？
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📊
今回は機械学習の3大トピックについてです！
機械学習は、データのタイプや状況によって教師あり学習、教師なし学習、強化学習の３つに分かれています。
それらの各概要について一緒に勉強していきましょう！
機械学習について知りたい方はこちらの記事も読んでみてください！
①教師あり学習について
教師あり学習は、 答えとなるデータ（目標値）も一緒に学習させる方法とのこと。
答えとなるデータがあるため、そこに不明なデータがきた場合でも、正解を教えてくれるというイメージです。
例えば、あらかじめ答えのデータとして犬の写真をたくさん学習させておきます。（いろんな角度の写真や犬種の写真など）
そのため、新しい犬の写真を持ち寄ったとしても正解を教えてくれる、という感じです。
また、教師あり学習は「学習」と「認識・予測」の2段階のプロセスに別れているとのこと。
『学習』
正解がわかっているデータ（入力という）を元に、そのデータのルールやパターンを学習し、分析モデルとして出力します。
『認識・予測』
そのあとに正解がまだわかっていないデータを新たにインプットして、学習時に決められたルールやパターン（出力）を元に認識・予測をする。
そして、この教師あり学習の代表的な手法としては回帰や分類が挙げられます。
回帰・分類についてはまた次回勉強します！
②教師なし学習について
教師なし学習は、 答えがない学習方法とのこと。
与えられたテータの特徴や法則を自動的に抽出して、グループ分けやデータの簡略化を行うそうです。
代表的なものとしてあげられるのは、
特徴の似ているデータをグルービングするクラスタリングと、データから重要な情報を抽出し、 変数の数(次元) を削減する次元削減に分かれるそうです。
また難しい言葉が、、、
これまた次回勉強します！！！笑
③強化学術について
強化学習は、入力データも答えとなるデータ (目標値)もない 自ら試行錯誤を繰り返しながら最適な行動を学習する方法とのこと。
お掃除ロボットルンバをイメージすると分かりやすいと思います！
また、囲碁の世界トップ棋士に勝利したAI. AlphaGoの中身も強化学習だそうですよ！
下記参考資料です📚
この記事が参加している募集
この記事が気に入ったらサポートをしてみませんか？