教師あり学習のクラス分類・教師なし学習のクラスタリング？？？

みなさま、こんにちは！

今日も張り切っていきましょう。最近ものすごく暑いですね・・・・

みなさま体調に方には充分気をつけてくださいね。

さて、前回では機械学習では統計による考え方が用いられていて

• 教師あり学習には「回帰」という手法が用いられている。
• 莫大な教師データを用いてアルゴリズムを立て未来を予測する。

ということをOutPutしました。

今日は教師あり学習のクラス分類と教師なし学習のクラスタリング

これらについてOutPutしていきます。

見た感じ、クラス分類とクラスタリングって違いなんて特になさそうですが

明確な違いがございます。

教師あり学習のクラス分類とは

与えられたデータを適切なクラスに分類することです。

教師なし学習のクラスタリングとは

答えのないデータから法則性や傾向を見つけ出して分類することです。

違いがわかりにくいですね・・例えば

クラス分類では

「あなたは金持ちかどうか？」

ということを様々な特徴量(年収・職業)などからその特徴量を掛け合わして

お金持ちかどうかを判別してくれます

このように二種類に分ける場合を2クラス分類

複数に分ける・識別することを多クラス分類と言います。

つまりお金持ちかどうかを計算して分類してくれているのです。

一方で教師なし学習のクラスタリングでは

「お金持ちってこんな傾向があるんじゃない？」

ということを見つけてくれるものです。

このクラスタリングを用いることによって

お金持ちには職業・身長などの特徴量にある一定のパターンがあるということを

お金持ちのデータから特徴量のパターンを見つけてくれるものなのです。

違いわかっていただけたでしょうか？

今日はちょっと短いですがこの辺で終わりにします。

見てくださりありがとうございます。

参考文献

ディープラーニング (やさしく知りたい先端科学シリーズ2)