AI

機械学習の「手法」を理解しよう(1)~はじめに~

目次

「使う側」から見たAI、「作る側」から見たAI

AIについて説明するにあたって、過去の記事では、「識別、予測、実行」の3種類に分けてお話ししてきました。
この分け方にあえて名前を付けるとすると、「使う側から見た」AIの分類方法です。

これは、「AIを何のために使うか」という視点からの分け方だと言い換えることができます。
そこで、今回はもう一つの視点である「作る側から見た」AIの分類方法を、レベル3のAIである「機械学習」に焦点を当ててご説明します。

AIレベル3 「機械学習」は手法別に分類されます

AIレベル3「機械学習」の分類には「手法」で分ける方法があり、回帰、クラス分類、クラスタリング、次元削減などがあげられます。

その中でも、

回帰とクラス分類は「教師あり学習」
クラスタリングと次元削減は「教師なし学習」

という分類に分けられます。
なお、この「教師あり学習」「教師なし学習」の分類については、以下の記事を参考にしてみてください。
★機械学習の「教師」~エーアイベーシックレベル3

それでは、「機械学習」の「手法」の一つひとつの特徴について、それぞれ簡単に見ていきましょう。

機械学習の「手法」

(1)回帰

「回帰」という手法は、過去のデータから「パターン」を学習し、未知の結果を予測します。
代表的な手法として、「線形回帰」「ロジスティック回帰」などがあります。

【活用例】
-過去の週次売上から来週の売上を予測
-サーバーの記録をもとに異常を検知

(2)クラス分類

「クラス分類」という手法は、過去のデータから「分類方法」を学習し、未知のデータを分類します。
代表的な手法として、「決定木」「サポートベクターマシン」などがあります。
この「クラス分類」では、AIレベル4の「深層学習」もよく使われます。

【活用例】
-迷惑メールの分類
-文字認識
-画像認識

(3)クラスタリング

「クラスタリング」という手法は、未知のデータを、「類似性」をもとにグループ化します。
代表的な手法として、「k-means法」があります。

【活用例】
-商品の購入状況から、顧客の好みをグループ化して販促に利用

(4)次元削減

「次元削減」という手法は、データを表現するために必要な値の数を「削減」します。
代表的な手法として、「主成分分析」があります。

【活用例】
-複雑なデータの分布を可視化
-データの軽量化による、計算の高速化

今回ご紹介した4つの手法は、あくまで一例です。
上記に属さない、「レコメンド」や「強化学習」など、機械学習には目的に応じてほかにも様々な手法があり、日々進化し続けています。

最後まで読んでいただき、ありがとうございました。
次回からは、それぞれの手法について詳しくお話しする予定です。お楽しみに!

おすすめリンク

関連記事

前の記事

一覧

次の記事