Edited at

機械学習のメモ


機械学習とは

Wikipediaにより


Machine learning is the subfield of computer science that "gives computers the ability to learn without being explicitly programmed"


簡単といえば、機械学習はコンピュータ科学のサブセットであるものです。

「人間がが経験をして学習することを機械(コンピュータ)で実現する技術・手法です。」

もう少し具体的といえば、

「データから学習を行い、パータンか特徴を見つけて未知のデータに対して予測します」


機械学習の学習方法

機械学習の学習方法は基本的に3つの書類があります


  1. Supervised learning

  2. Unsupervised learning

  3. Reinforcement learning


Supervised Learning (教師あり学習)

Wikipediaにより


 Supervised learning is the machine learning task of learning a function that maps an input to an output based on example input-output pairs. It infers a function from labeled training data consisting of a set of training examples


教師あり学習は、事前データ(入力値(Input/Features)と出力値(Output/Label)のセット)から学習を行う事です

これは「過去のデータから未来に発生する可能性がある事象を予測する」のに使用します

※ 例えば、「スパムメール判別」とか「明日の天気予報」などです

教師あり学習はよく分類と回帰問題に別れています


  • 分類問題とは、迷惑メールか普通のメールか判定することです。つまりは0か1かラベルを予測することになります(二項分類)。また、3つ以上分類(多項分類)することも可能です。

  • 回帰問題とは、車の情報(走行距離、年式、メーカーなど)から株価を予測したりすることです。予測したい値はよくlabelと呼ばれていて、予測する元の情報はfeaturesと呼ばれています


Unsupervised Learning (教師ありなし学習)

Wikipediaにより


Unsupervised learning is a type of self-organized Hebbian learning that helps find previously unknown patterns in data set without pre-existing labels


この学習方法は、出力データが学習時に与えられない学習方法で、

正解となる出力を与えず、データから規則性を発見していくのが特徴の手法です。



教師あり学習と教師なし学習の違い


Reinforcement learning(強化学習)

Wikipediaにより


Reinforcement learning (RL) is an area of machine learning concerned with how software agents ought to take actions in an environment so as to maximize some notion of cumulative reward


強化学習も教師なし学習と同じく明確な答えは与えません。

そのかわり、「行動」と「報酬」を与えます。

この結果、「どのような行動をとれば累積報酬が最大となるか」

を学習していきます。