✅
機械学習とは
はじめに
概要
- シラバス：E資格2024#2
- 人工知能、機械学習と深層学習はどのようなものを知ります
キーワード
人工知能, 機械学習, 深層学習, ディープラーニング,
ニューラルネットワーク, 特徴量, 学習モデル
学習内容
人工知能(Artificial Intelligence)
- 特に厳密な定義がないが、「人間と同じような知的処理を機械で模倣しようとする」概念です
- 人工知能4つの発展段階
- LV1：制御プログラム
- LV2：古典的AI
- LV3：機械学習
- LV4：深層学習
機械学習(Machine Learning)
- 入力されたデータをもとに、データからパターンを自動的に学習して賢くなる技術です
学習モデル
- データからパターンを学習し、予測や分類を行う仕組みです
- 例：線形回帰、SVM、決定木、ニューラルネットワークなど
パラメータ
- どのような基準をもとに振舞えばいいかを決めます。その基準はパラメータです
- 学習によって「最適なパラメータ」を見つけることで、モデルが機能するようになります
- 機械学習とは：パラメータをデータに基づいて調整することです
例：線形回帰
y=wx+b
- モデル：1次関数（直線）
- パラメータ：w（傾き）、b
- 学習とは：データから最適なwとbを決めることです
機器学習で扱う問題
- 分類：どのデータがどの種類に属すかを見ることです
- 回帰：データの傾向を見ることです
分類
- 「入力」に対して、あらかじめ決まったカテゴリ（クラス）を予測することです
例：
- スパムメール判定：スパム、スパムではない
- 画像分類：人、犬、猫、鳥など
- 病気の診断：
- 特定病気有無の診断：陽性、陰性
- データからどの病気がかかったを判断
回帰
- 「入力」に対して、連続値（数値）を予測することです
例：気温の予測、株価の予測
深層学習
- ディープラーニング(Deep Learning)とも呼ばれます
- 機械学習の一つの手法です
- 多層のニューラルネットワークを使った機械学習の手法です
ニューラルネットワーク(NN)
脳の神経回路を模して作った学習モデルです
- 各層は「ノード（人工ニューロン）」と呼ばれる小さな計算単位で構成されます
- 入力層（Input layer）：データを受け取ります（例：画像のピクセル、数値データなど）
- 隠れ層（Hidden layers）：入力と出力の間の変換・特徴抽出を担当します
- 出力層（Output layer）：最終的な予測を出力します
- 3層以上ではディープニューラルネットワーク（DNN）と呼ばれることが多いです
機械学習から深層学習
- 従来型の機械学習の欠点は、特徴量を数学的な表現できるため、人間でデータを加工しないといけません
- ディープラーニングが最適な特徴量を自動的に抽出することができます
統計と機械学習の違い
| 観点 | 統計 | 機械学習 |
|---|---|---|
| 目的 | 現象の理解・因果関係の推定 | 高精度な予測・分類 |
| 関心 | 何故このようなデータが出るか | これからデータがどう変わっていくのか |
| データの扱い | サンプルから母集団を推定 | 過去データからパターンを学習 |
| どのような手法 | 理解・推論のための手法 | 予測・パターン学習の手法 |
| 手法の例 | 回帰分析、検定、分散分析など | 決定木、SVM、ニューラルネットワークなど |
| 優れる点 | 根拠や構造を知る | 現実の予測や応用 |
Discussion