機械学習とはなにか？簡単に解説！
みなさまおはこんばんにちは、せなです
今回は最近よく聞く機械学習とはなにか？について簡単に解説したいと思います
機械学習とは？
機械学習はパターンなどを分析してデータ化し、そのデータから規則性などを発見することでアルゴリズムを発展させていくことをいいます
アルゴリズムを発展させる過程は簡単に説明すると次のようになります
- 元となるデータからその特徴を捉える
- その特徴を識別・数値化する
- 識別・数値化されたデータを用いて新しいデータを予測し決定する
以上の1～3を行うことでアルゴリズムをより高度な物へと発展させます
アルゴリズムの分類
機械学習に使用されるアルゴリズムは、以下のように分類されています
教師あり学習
元となるデータ（入力データ）と結果（応答値）を事前に用意しておき、それを元に学習を行う手法です
教師あり学習の目的は最終的に、自分が想定していた結果を再現することにあります
教師あり学習に使用されるアルゴリズムは分類と回帰の2つとなります
分類アルゴリズムは以下のようなものがあります
- サポートベクターマシン
- ニューラルネットワーク
- 決定木
- 判別分析
回帰アルゴリズムは以下のようなものがあります
- 線形回帰
- 非線形回帰
教師なし学習
教師なし学習は元となるデータ（入力データ）を用意して、それを元に学習を行います
教師あり学習との明確な違いは結果が確定していないという点となります
教師なし学習はそのデータの隠れたパターンやグループを発見することを目的としています
教師なし学習で使われる一般的なアルゴリズムはクラスター分析となります
クラスタリングアルゴリズムは以下のようなものがあります
- 階層クラスタリング
- k 平均法クラスタリング
- 混合ガウスモデル
- 自己組織化マップ
半教師あり学習
半教師あり学習は教師あり学習と教師なし学習の間に位置する学習手法です
教師あり学習と教師なし学習の両方の学習方法を使用できるので学習データが不足している状況であっても学習を行うことができます
「両方使えるならこの学習方法でいいのでは？」と思われる方もいるかと思います
ですが半教師あり学習には問題点もあります
例えば教師あり学習のデータに偏りがあると上手く学習が行えないことがあります
強化学習
強化学習は元となるデータが必要のない学習手法です
強化学習は環境にいるエージェントに環境内での最も最善の行動（最大の利益が得られる）を行わせそれを繰り返し行うことで学習させていく手法です
代表的な学習手法はTD学習やQ学習があります
マルチタスク学習
マルチタスク学習は単一のモデルを使用して複数の課題を解く学習手法です
関連する複数の課題を同時に学習させることで、それぞれの共通点と相違点を認識し、課題の予測精度を向上させます
この手法を利用することで一つずつ行うよりも、効率よく学習させることができます