読者です 読者をやめる 読者になる 読者になる

Code Lab

CakePHP/Python/Swiftを勉強中... 好きなことで生きて行く!

2- 機械学習の種類

f:id:natuta:20170208000121p:plain
機械学習には3つの種類があるみたい。

機械学習の種類

  • 教師あり学習
  • 教師なし学習
  • 強化学習

の3つ。

一つひとつの特性を見ていこう。

教師あり学習 (Supervised learning)

事前に与えられたデータをもとに学習を行う方法。
データには答えとなるラベルもセットで学習させます。
教師あり学習は予測もできるみたい。

教師なし学習 (Unsupervised lerning)

教師ありとは違い、「出力すべきもの」が決まっていないという点が異なっている。
与えられたデータを自動的に分類する。
手法としてはクラスター分析、主成分分析、ベクトル量子化など様々なものがある。

強化学習 (Reinforcement lerning)

これはちょっと特殊?
現在の状態から取るべき行動を決定する問題を扱う。
エージェントと環境という考え方で、エージェントが環境を観察し、それに基づいて意思決定を行い行動する。
環境が変化し、なにかしらの報酬が与えられる。
エージェントは、よりたくさんお報酬がもらえるより良い行動を学習する。

教師あり学習はよく聞く方法ですね。
強化学習は少し生き物みたいな感じがしますね!

機会学習の応用分野

クラス分類 (Classification)

与えられたデータにラベルをつけ、分類をする。
迷惑メールや手書き文字認識など。
教師あり学習かな?

グループ分け - クラスタリング (Clusterring)

値の類似性を複数のグループに分けることができる。
ユーザーを分類し、そのユーザーにあったダイレクトメールを送るなど。
クラスター分析ということかな?
ってことで教師なし学習?

推薦 (Recommendation)

与えられたデータから、異なる情報を推薦するもの。
ネットショップなどにあるあなたにオススメの商品などがそれです。
ユーザーの趣味嗜好から推薦するので、教師なし学習でしょうか?

回帰 (Regression)

過去のデータをもとに、将来の数値を予測する。
株価とかを予想するみたいです!
これはどれの学習方法になるのでしょうか?
予想ができるということで、教師あり学習ですかね?

次元削減 (Dimensionality Reduction)

データの特徴を維持しつつ、データ量を減らすことができる。
ある種の情報を維持しつつ、高次元のデータを低次元のデータに変換することを言う。

まとめ

教師あり学習のもつ予測がかなり興味がある!
絶対たのしいし、今後かなり役に立ちそうですね!
強化学習も面白そうですね!
なにか、目に見える形で強化学習ができたらわからないけど、可愛いものが作れそうだなとw
少し、機会学習について理解が深まってきましたね!
わくわくします!

参考

この本で勉強しています。
全く知識のない自分でも理解しやすいのでオススメです。
約一ヶ月で3回も発行されているのでかなり人気かも?