ビジネスに機械学習を活用したいと考えている人のために、機械学習の手法を4種類解説しました。

1. ビジネスアイディアを考えるときに
押さえておきたい機械学習４種類
回帰・分類・クラスタリング・強化学習

2. 自己紹介
● 名前: 西岡 賢一郎
● 経歴:
○ 鹿児島出身
○ ラ・サール → 東京大学
○ 東京大学大学院在籍中に研究者仲間とトライディアを創業
○ トライディアを6年ほど経営したのち売却し、別会社のCTOとして現在働く
● その他
○ 博士 (学術)
○ 趣味は筋トレや旅行

3. 今回の内容
● 対象者
○ ビジネスに機械学習を活かしたいと考えている人
○ 機械学習ができることの概要を知りたい人
● 内容
○ ビジネスでよく使われる4つの種類の機械学習について簡単に説明
○ 網羅的アルゴリズムを紹介するものではありません

4. 機械学習手法の分類
Supervised Learning
(教師あり学習)
Unsupervised Learning
(教師なし学習)
Reinforcement Learning
(強化学習)
● 正解を与えて学習
○ Regression (回帰) : 連続値を予測
○ Classification (分類) : クラスラベルを予測
● 正解を与えず学習
○ Clustering : 入力データの構造や特徴をつかむ
● 目的とする報酬 (スコア) を最大化するための行動を
学習

5. 1. Regression (回帰)
● 連続値の目的変数を予測
(例) 線形回帰
● その他の手法
○ Ridge回帰, 回帰木, ...
x1
y
y = w0 + w1*x1
→ 回帰式
x1
y
x
予測値
回帰式を用いて、
未知のデータに対する
予測値を算出

6. Regressionを使った例
● 投資タイミングのサポートサービス (SMBC日興証券)
○ https://www.smbcnikko.co.jp/products/stock/aimonitoring/index.html
○ 株価、市況データを学習し、国内上場企業の１週間先の株価(トレンド)を予測
○ 銘柄ごとに自動でモデルを作成
○ 高度な知識と分析がAIによって標準化
● 需要予測自動発注システムを全店舗に導入 (ライフコーポレーション)
○ https://ledge.ai/lifecorp-unisys/
○ 販売実績、気象情報、企画情報などを用いて各店舗の日々の商品発注数を予測
○ これにより発注業務を年間約15万時間削減

7. 2. Classification (分類)
● 離散の目的変数 (クラスラベル) を予測
(例) SVM (サポートベクターマシン)
● その他の手法
○ ロジスティック回帰, 決定木, ...
x1
x2
y=0
y=1
分類境界 (判別関数)
を定める
x1
x2
y=0
y=1
判別関数を用いて
未知のデータの
クラスを決定

8. Classificationを使った例
● 健康診断データから6年先の生活習慣病のリスクを予測 (東芝デジタルソリュ
ーションズ株式会社)
○ https://robotstart.info/2020/07/13/ai-disease-risk-prediction.html
○ 1年分の健康診断データから生活習慣病リスクを予測
○ モデル: ランダムフォレスト
■ 複数の決定木の結果を元に多数決をとる手法
○ 検査異常値となる確率を出力
○ 3年以内の糖尿病発症リスクの予測精度96%を達成

9. ● 入力データにある構造や特徴をつかむ (教師なし)
(例) k-means法
● その他の手法
○ ウォード法, 群平均法, ...
3. Clustering
x1
x2
x1
x2
3つのクラスタに分けたい
(事前にクラスタ数を指定) 類似データを
グループ化

10. Clusteringを使った例
● 大量テキストデータの自動仕分け (Studio Ousia)
○ https://ledge.ai/2020-04-28-9387369535ea7e096ca449/
○ AIの学習データ作成にかかる手間を大幅に削減
○ テキストデータのアノテーション(感情や内容など)を自動化
○ 自然言語処理を用いたAIモデルのためのデータセット作成時間を削減できる
○ アンケートの仕分けにも利用可能

11. 4. 強化学習
● 行動を学習する仕組み
● ある環境下で、目的とする報酬 (スコア) を最大化したい
(例) 迷路の探索
環境
エージェン
ト
状態 + 報酬
行動
環境: 迷路の構造
エージェント: プレイヤー
行動: 上下左右どちらに動くか
状態: 今いるマス
報酬: ゴールすると+1, 壁に当たると-1
ゴールまでの最短経路を見つけたい
→ 得られる報酬の期待値の最大化

12. 強化学習
● バンディットアルゴリズムによるサービスの最適化 (楽天)
○ https://www.slideshare.net/rakutentech/ai-82497123
○ クーポン配信、Webページレイアウト、パーソナライズされた広告を最適化
○ CVR、成約率の向上
○ 機会損失を減らし、早期利益実現につなげた
● A/Bテストとの違い
○ A/Bテストは最適な選択肢を見つけることが目的
○ バンディットアルゴリズムは特定の期間での利益を最大化する
ECサイト ユーザー
方針 + 利益
購買行動

13. まとめ
● ビジネスアイディアを考えるときに押さえておきたい機械学習4種類
○ Regression: 価格の予測など数値データを予測するときに使います。
○ Classification: ユーザ属性などラベルを予測するときに使います。
○ Clustering: データを似たものに分けるときに使います。
○ 強化学習: 自動的に報酬を最大化するときに使います。
● 今回紹介した内容は、機械学習の使用例の一部です。しかし、ビジネスで機
械学習を活用を検討するための第一歩として使える知識となっていると思い
ます。