Web教材一覧ハードウェアとソフトウェア人工知能(AI)

機械学習

キーワード

機械学習、教師あり学習、教師なし学習、強化学習、回帰分析、決定木、ランダムフォレスト、クラスタリング、アソシエーション分析、協調フィルタリング、Q-learning、Deep Q-learning


機械学習

機械学習とは、コンピュータに大量の訓練データを与えてコンピュータが自ら学習することにより、未知のデータに対して判断を行えるようにすることです。それにはAIの活用だけでなく、従来からのデータマイニングなどで活用されていた統計的手法も使われます。
 機械学習の方法は、訓練データの与え方により
  教師あり学習(Supervised Learning)
  教師なし学習(Unsupervised Learning)
  強化学習(Reinforcement Learning)
に区分されます。

教師あり学習では、訓練データとして、ラベル(正解)付きのデータを使います。
 例えば、「これは猫、これは犬」と正解を示して、大量の犬と猫の写真を与えます。コンピュータは、その写真を分析することにより、猫や犬の特徴を把握して、やがて、正解のない写真を与えても猫か犬かを識別できるようになります。
 このとき、猫と犬の眼や尾など、人間が既知の特徴を知っていれば、猫の眼の写真、犬の尾の写真として与えれば、少ない訓練データで識別できるようになります。
 人間が識別の方法をある程度知っているときに有効な学習方法です。
 ディープラーニングは、教師あり学習としての活用が一般的です。

教師なし学習では、訓練データとして、ラベル(正解)のないデータを使います。
 例えば、POSで収集したデータに、当日の天候、チラシ、近所のイベントなども加えてコンピュータに蓄積します。コンピュータは、それらのデータから統計的手法を組み合わせて分析することにより、それまで人間が気づかなかった法則性や特徴を見出します。

強化学習では、訓練データとして、正解ではなく、「行動の選択肢」と「報酬」(得点)を与えます。
 例えば、将棋を教えるのに、ある手を打ったときに、その結果に対する得点を与えます。それを進めて連続した手の結果に対する得点を与えるようにします(教師あり学習)。コンピュータは得点が高くなるようなルールを見つけ出します(教師なし学習)。その結果に対して教師は新たな得点を与え、コンピュータはその得点によりルールを修正します。これを繰り返すことにより強くなります。
 かなり複雑なので、一定のレベルに達するまで、かなりの訓練期間がかかります。また、連続手に対する得点の与え方やコンピュータが獲得したルールが合理的であるという保証はありません。

代表的な手法

以下、有名な手法をトピックス的に列挙します。

教師あり学習

教師なし学習

強化学習


人工知能(AI)へ