機械学習の種類~まとめ~
こんにちは！今日も張り切っていきましょう。
今日は機械学習の種類についてざっと復習していきたいと思います！！
機械学習の種類は主に5つに分けることができます！
- 回帰
- クラス分類
- クラスタリング
- レコメンデーション
- 情報圧縮(次元圧縮）
１ 過去のデータから未来を予測。「回帰」
「回帰」は教師あり学習の考え方で過去の莫大なデータから、特徴量(因子)を抽出して数式として求めて未知のデータに当てはめて予測するものでした。
利用される場面としては株化の予測や飛行機のフライトの遅延時間の予測などに利用されていると考えられます。
２ YesかNoか。「クラス分類」
「クラス分類」は教師あり学習の考え方で、様々な特徴量を掛け合わして判別するものでした。
例えば「今日の練習は中止にするべきか？」などをAIによって判別させる時、
天気や気温、降水確率などの特徴量から中止にするべきか行うべきかを
判断してくれます。
３ 傾向を見つけ出してくる「クラスタリング」
「クラスタリング」は教師なし学習の考え方でした。「クラス分類」と混合してしまいがちですが明確に異なっています。
- データから傾向やパターンを見つけてくる＝クラスタリング
- 結果だけを教えてくれる＝クラス分類
クラスタリングの主な利用方法は商品の売り上げのデータからセットで買われやすい商品などを見つけてきて売上に貢献したりすることができます。
４ あなたに最適な商品を。「レコメンデーション」
「レコメンデーション」は協調フィルタリングの考え方でamazonさんなどのECサイト
で使われています。レコメンデーションには二種類存在して
- アイテムベースレコメンデーション
- ユーザーベースレコメンデーション
が挙げられました。
アイテムベースレコメンデーションは利用者が高評価や購入した商品と似た商品を利用者に薦めてくれるものでした。
ユーザーベースレコメンデーションは利用者と同じ商品を買った利用者が評価した商品を薦めてくれるものでしたね。
５ 特徴量をできるだけ減らす。「情報圧縮(次元圧縮)」
「情報圧縮(次元圧縮)」は今後詳しく説明する予定ですがデータの特徴量をできるだけ簡単にする。つまり出力に必要な特徴量のみを抽出して余計な特徴量を排除する考え方です。
これは主に顔認証や計算の高速化に利用されています。
今日も見ていただきありがとうございました。
次回は機会が自分たちのように言葉を自在に操る方法についてOutPutしていきます。
来週もぜひ見てください！！
