Chomado's Blog
You Are Reading

AI 学習サービス Aidemy 受講メモ 03 「機械学習の3分類」(教師あり学習 (分類, 回帰), 教師なし学習, 強化学習)

1
機械学習

AI 学習サービス Aidemy 受講メモ 03 「機械学習の3分類」(教師あり学習 (分類, 回帰), 教師なし学習, 強化学習)

機械学習の3分類

AI 学習サービス Aidemy (アイデミー) の、3 か月コース「AIマーケティングコース
一部体験させていただけることになりました!
なので、そこで学んだことを、皆さまにもシェアできればと思い、授業メモを取ることにしました。
(もちろん、私のこの個人メモを見るよりも 実際の Aidemy さんの動画教材 を見た方が 1024 倍勉強になります)

(前回の記事:『AI 学習サービス Aidemy 受講メモ 02 「機械学習概論」(人工知能, 機械学習, 深層学習)』)

(次回の記事:『AI 学習サービス Aidemy 受講メモ 04 「機械学習の流れの全体像」』)

今日の話題- 機械学習の3分類

今日は、

  • 機械学習にはどんな種類があるの?
  • Google の最強囲碁 AI の AlphaGo は何に分類されるの?

というお話をします。

元動画、元教材

すべて Aidemy (アイデミー) さんの コンテンツです。これらが無料で提供されてるのマジ神

形式 リンク
動画 1.2.1 機械学習の3分類
テキスト 1.2.2 教師あり学習を理解する
テキスト 1.2.3 教師なし学習を理解する
テキスト 1.2.4 強化学習を理解する
YouTube 動画 機械学習の3分類

機械学習の3分類

機械学習の3分類

  1. 教師あり学習
    1. 教師あり学習 (分類)
    2. 教師あり学習 (回帰)
  2. 教師なし学習
  3. 強化学習

こちらのアイデミーさんの公式 YouTube 動画で勉強しました。

ただ、最新のものはこちらのアイデミーさんの講座ページ『機械学習概論』の
1.2 機械学習の各手法』チャプターから閲覧できます。(無料)

1. 教師あり学習

教師あり学習 とは、
正解ラベル のついたデータを学習して、
正解を予測するモデルをつくる手法。
分類」「回帰」の二分野ある。

この場合の「教師」は「データに付随する正解ラベル」を指す。

1-1. 教師あり学習 (分類)

データからカテゴリを予測する問題
分類問題」と呼ぶ。

例)

データ 正解ラベル
(手書きの “5” という文字) 5
(馬の写真) horse
吾輩は猫である。名前はまだ無い。 夏目漱石

用意されたカテゴリーのなかから最も近いものを選び出すというのを「分類問題」という。

また、上記のように、
「学習データ」と「正解ラベル」がまとまったデータのことを「ラベル付き学習データ教師データ)」と呼ぶ。

1-2. 教師あり学習 (回帰)

データから数値を予測する問題
回帰問題」と呼ぶ。

例)

データ 正解ラベル
広さ 20 平米
渋谷から 10 km
駅から徒歩 3 分
バス・トイレ別
オートロック
家賃 6万円

こういったデータを用いることによって、
どういう住宅の情報の時は
どういった家賃をつけるべきか、
ということが機械学習によって予測できるということ

教師あり学習の流れ

  1. 教師データをコンピュータに複数入力し、データのパターンモデルを学習
  2. 学習したモデルに別の教師データを入力して出力を検証。
学習したモデルから、新しいデータがどのように分類されるのかを予想し、
判別できるようにするのが
教師あり学習の基本です。

(アイデミーさんの講座ページ『1.2.2 教師あり学習を理解する』より)

2. 教師なし学習

教師なし学習 とは、
正解ラベルのついていないデータを学習して、
規則性などを発見する手法。

教師なし学習では
与えられたデータからコンピュータ自身が類似性や規則性を見いだして、モデルを学習する。
そのため、教師なし学習の場合は正解・不正解が存在しないのが特徴。

教師なし学習は
データの法則性を導き出したり、
グループ分けしたりする場合に使用される。

教師なし学習

例えば、上記のデータには、
正解ラベルは付いていないけれど、
なんとなく 3 つにわかれていることが分かる。

こういった分類のことを クラスタリング といって、
クラスタリング を自動的にやってくれるのが 教師なし学習

3. 強化学習

強化学習 とは、
試行錯誤を通じて、
価値を最大化するようなとるべき行動を決定する手法。

強化学習は利益を最大化するための方法で、 正解ラベルも大量のデータも必要としない自律的な機械学習 です。

最近ではディープラーニングと組み合わせられることも多く、
ゲームなどの対戦プログラムや、歩行ロボットの制御プログラムなどに用いられます。

強化学習

(アイデミーさんの講座ページ『1.2.4 強化学習を理解する』より)

「自律的に学習」って凄いね!

強化学習の例 – AlphaGo Zero

強化学習 の有名な例として、
Google の開発した最強の囲碁 AI の AlphaGo Zero がある。

強化学習

この AlphaGo Zero は、コンピュータ同士の対戦を行い、
試行錯誤し、
囲碁の最善の打ち手を学習した。

だから、人間が打った教師データだけを使うのではなく、
コンピュータ同士で対戦を行ったので、
人間がこれまで打ってこなかった手を打ち始めた、

というところが大きな特徴。(すごいね!!)

こういった技術は、自動運転などにも使われていて、
今 注目の技術になっている。

さらに、強化学習には、
深層学習 (deep learning) と組み合わせた
深層強化学習 というものもある。(この AlphaGo Zero も、これに当てはまる)

まとめ

機械学習は大きく次の3つに分けられる:

  1. 教師あり学習
    1. 教師あり学習 (分類)
    2. 教師あり学習 (回帰)
  2. 教師なし学習
  3. 強化学習

今回も楽しく学べました!

Next Step

次の記事→『AI 学習サービス Aidemy 受講メモ 04 「機械学習の流れの全体像」

次はアイデミーさんの講座ページ『機械学習概論』の
2.1.1 機械学習を行うフロー』を勉強していきます。


Madoka Chomado (ちょまど)

千代田まどかです。よく「ちょまど」と呼ばれます。Microsoft 社員。文系出身プログラマ兼マンガ家です。

(3) Comments

  1. […] (前回の記事:『AI 学習サービス Aidemy 受講メモ 03 「機械学習の3分類」(教師あり学習 (分類, 回帰), 教師なし学習, 強化学習)』) […]

  2. […] 次回の記事『AI 学習サービス Aidemy 受講メモ 03 「機械学習の3分類」(教師あり学習 (分類, 回帰), 教師なし学習, 強化学習)』 […]

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です