AIの種類と学習の基礎
1.5-1.6
ゴール
機械学習の大まかな種類とその内容が分かる。
キーワードマップ
AIの種類と学習の基礎
★どのような手法があるか、どのような場合に用いられるものなのかが出題される傾向にあります。
教師あり学習
入力データと答えとなる出力データ(教師)がセットになっていて、出力の予測を行う学習のこと。
回帰
連続する数値(連続値)を予測する。相関関係や、因果関係があると思われる2つの辺水鵜のうち、一方の変数を用いて、他方の将来的な値を予測する。
分類
連続しない値(離散値)を予測する。ヒトが最初に分類を決めておき、その分類のうち、どれ属するかを予測する。
教師なし学習
入力データのみを使う学習。答えとなる出力データ(教師)が無い状態で行う学習。あるデータ群を複数のグループに分類したい場合や、データの情報量を失わずに容量を小さくしたい場合などに用いられる。
クラスタリング
教師なし学習でも特に、データを複数のグループに分けたい場合に用いる手法。データの中から特長量を見つけ、指定した数のグループに分類するなど。
次元削減
教師なし学習でも特に、情報量をできる限り失わずにデータを圧縮する方法。データの圧縮や、データの可視化をしたい場合など。
半教師あり学習
一部のデータにに正解ラベルをつけて、教師あり学習を行いモデルを作る。そのモデルを使って、残りのデータに正解ラベルを付け、再度学習を行う、という一連の学習。
※画像認識、物体検出を行う場合、膨大な数の教師データが必要となる(万単位となることがほとんど)。データに対して、正解ラベル付けしていくことをアノテーションというが、半教師あり学習ではこの作業が削減できるとされている。
強化学習
適切な行動を学習するために用いる学習。与えられた環境における価値を最大化するように学習していきます。
おわり・。・