SlideShare a Scribd company logo
1 of 9
機械学習とは
資料作成 馬場隆寛
C.M. ビショップ著 パターン認識と機械学習 上 参照
参考書の紹介
• C.M. ビショップ著 パターン認識と機械学習 上
機械学習とは
• データから知識を引き出すこと
• データに含まれる規則や判断基準などのパターンを抽出する関数(モデル)を獲得
し,その関数を用いて新たなデータについて予測を行う手法
• 機械学習の種類
• 教師あり学習
• 教師なし学習
• 強化学習
なぜ機械学習なのか
• 背景
• 近年、利用可能なデータは増え続けその形式も多様化している
• データは持っているだけでは意味がなく、データの価値を引き出す必要がある
• データのパターンを見つけられれば、新しいデータに対しても予測を行える
• 問題点
• 人間が大量のデータからパターンを見つけ出すのは短時間では難しい
• 例 : カメラ映像から顧客の購入パターンを見つける
• 解決策
• 機械学習でパターンを抽出し、新たなデータに対して予測する
機械学習の流れ
学習
関数作成
(モデル作成)
予測結果
訓練データ
前処理
(特徴抽出)
テストデータ
前処理
(特徴抽出)
言葉の定義
• 前処理(特徴抽出)
• 問題を解きやすくするために、もとのデータを新しい変数にする処理
• 例えば
• 画像を拡大、縮小して大きさをそろえる
• 文書を単語のtf-idfでベクトル化する
• 学習(訓練)
• 訓練データに基づいて関数(モデル)を作成すること
• 訓練データ(訓練集合)
• 学習に使用するデータの集合
• テストデータ(テスト集合)
• 実際にモデルを使用して判断するデータの集合
教師あり学習
• 訓練データが入力ベクトルと目標ベクトルで構成されている場合の機械
学習
• すなわち、訓練データのそれぞれに正解となるラベルが付与されている
• 教師あり学習の例
• クラス分類
• 各入力ベクトルを有限個の離散カテゴリに分類する場合
• 例えば、カメラ映像による交通量調査
• 回帰
• 求める出力が1つまたはそれ以上の連続変数である場合
• 例えば、気象情報に基づく電力需要予測
教師なし学習
• 訓練データが入力ベクトルのみで、目標値が存在しない場合の機械学習
• 教師なし学習の例
• クラスタリング
• 入力ベクトルの類似したグループを見つける場合
• 例えば、購入履歴に基づく顧客の分類
• 密度推定
• 入力ベクトルの分布を求める場合
• 例えば、分布から逸脱した異常検知
• 視覚化
• 高次元データを2次元3次元に射影する場合
強化学習
• 特定の状況の中で、試行錯誤を繰り返しながら最適解を見つけ出す機
械学習
• 最終的な目標は定まっているものの、その過程は定義できない場合に有
用
• 強化学習の例
• 将棋の指し手の学習。何局も試行錯誤することで、勝つための指し方を学習

More Related Content

Similar to Machine learning

Wsdm2016: Extracting Search Query Patterns via the Pairwise Coupled Topic Model
Wsdm2016: Extracting Search Query Patterns via the Pairwise Coupled Topic ModelWsdm2016: Extracting Search Query Patterns via the Pairwise Coupled Topic Model
Wsdm2016: Extracting Search Query Patterns via the Pairwise Coupled Topic Model
Mitsuhisa Ohta
 

Similar to Machine learning (20)

[DL輪読会]Meta-Learning Probabilistic Inference for Prediction
[DL輪読会]Meta-Learning Probabilistic Inference for Prediction[DL輪読会]Meta-Learning Probabilistic Inference for Prediction
[DL輪読会]Meta-Learning Probabilistic Inference for Prediction
 
Wsdm2016: Extracting Search Query Patterns via the Pairwise Coupled Topic Model
Wsdm2016: Extracting Search Query Patterns via the Pairwise Coupled Topic ModelWsdm2016: Extracting Search Query Patterns via the Pairwise Coupled Topic Model
Wsdm2016: Extracting Search Query Patterns via the Pairwise Coupled Topic Model
 
質問応答システム入門
質問応答システム入門質問応答システム入門
質問応答システム入門
 
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
 
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
 
Study ml
Study mlStudy ml
Study ml
 
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
 
分析のガイドライン
分析のガイドライン分析のガイドライン
分析のガイドライン
 
非定常データストリームにおける適応的決定木を用いたアンサンブル学習
非定常データストリームにおける適応的決定木を用いたアンサンブル学習非定常データストリームにおける適応的決定木を用いたアンサンブル学習
非定常データストリームにおける適応的決定木を用いたアンサンブル学習
 
概念モデリング ワークショップ 基礎編 - Conceptual Modeling for Real World
概念モデリング ワークショップ 基礎編 - Conceptual Modeling for Real World概念モデリング ワークショップ 基礎編 - Conceptual Modeling for Real World
概念モデリング ワークショップ 基礎編 - Conceptual Modeling for Real World
 
NationalSUN2015_滋賀
NationalSUN2015_滋賀NationalSUN2015_滋賀
NationalSUN2015_滋賀
 
性能測定道 事始め編
性能測定道 事始め編性能測定道 事始め編
性能測定道 事始め編
 
MJIR岡山講習会ーIRデータマネジメント20150715
MJIR岡山講習会ーIRデータマネジメント20150715MJIR岡山講習会ーIRデータマネジメント20150715
MJIR岡山講習会ーIRデータマネジメント20150715
 
データセットの作り方
データセットの作り方データセットの作り方
データセットの作り方
 
Hiroshimar3_rmecab
Hiroshimar3_rmecabHiroshimar3_rmecab
Hiroshimar3_rmecab
 
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
 
ベイジアンネットワークモデリング勉強会20140206
ベイジアンネットワークモデリング勉強会20140206ベイジアンネットワークモデリング勉強会20140206
ベイジアンネットワークモデリング勉強会20140206
 
いかにしてデータを手に入れるか
いかにしてデータを手に入れるかいかにしてデータを手に入れるか
いかにしてデータを手に入れるか
 
できない学生向けの学習(修)支援サービス 田邊稔
できない学生向けの学習(修)支援サービス 田邊稔できない学生向けの学習(修)支援サービス 田邊稔
できない学生向けの学習(修)支援サービス 田邊稔
 
行列分解の数学的基礎.pdf
行列分解の数学的基礎.pdf行列分解の数学的基礎.pdf
行列分解の数学的基礎.pdf
 

Machine learning