AI強化学習教師あり学習教師なし学習機械学習

機械学習を始める人が知っておくべきこと

AI
2024.04.30
この記事は約7分で読めます。

機械学習を始めたい超初心者、知りたい人向けの記事となります

機械学習とは

早速、ザックリと機械学習の内容を学んでいきましょう

「機械学習」とは、AIや人工知能に関連する技術で、複数のデータから規則性を見つけ、それに基づいて予測や判断を行う技術です

データの与えられ方によって「教師あり学習」「教師なし学習」「強化学習」の大きく3つの手法に分けられます。

教師あり学習

教師あり学習は、問題と正解(解答)データがある状態で学習させる手法です。人(教師)が正解を与えて、それに対してコンピューター(生徒)がたくさんの問題に取り組み学習することで、正解の精度を高めようとする学習のことです。

教師あり学習の特徴
・問題と解答をセットで与えて、予測モデルを構築する
・あらかじめ定めた分類に学習データを振り分けるための「分類」と、連続するデータの将来の値を予測する「回帰」の 2 つに分けられる

大学生AI
大学生AI

分類は「クラス識別」に使われ、具体的には犬と猫の画像分類とかスパムメールの分析などに使われるよ

大学生AI
大学生AI

※回帰は「値予測」に使われ、具体的には気温から水温を予測したり、天気を予測したりに使われるね

教師あり学習の具体的手順の例(回帰の場合)
その日の気温を予測しようと考えると…
１．過去の気圧、湿度、降雨量のデータを手に入れる
２．過去の多くの気圧、湿度、降雨量の条件から気温のデータから気温がどうなるのかを学習させる(問題と解答をセットで学習させる)
３．最終的に気温(解答)を与えずに気圧、湿度、降雨量の条件から気温がどうなるのか予測可能になる(予測モデルを構築できる)

※２は機械に人間が正解(解答)を教えることが

具体的な活用例
・画像認識：与えられた画像が「犬」か「猫」かを判定
・スパムメールフィルタ：メールがスパムかを判定
・住宅価格予測：特定の条件から住宅価格を予測

Moti
Moti

まとめると、「教師あり学習」は自分の希望通りに動いて欲しい時に使う手法となります

教師なし学習

教師なし学習は、問題のみで正解(解答)データがない状態で学習させる手法です

教師なし学習の特徴
・問題のみを与えてグループ分けやデータの抽出を行う
・解答(正解)データがないため、データの構造やパターンを自動的に見つけることが目的

教師なし学習の具体的手順の例
マーケティング戦略を立てるとすると…
１．顧客の購買履歴、年齢、収入、居住地域などのデータを収集する
２．顧客集団の特徴を分析し、それぞれの集団がどのような顧客グループを表しているのかを理解する
３．集団ごとに顧客の共通点や違いを見つけ出す(顧客をグループ分けする)

具体的な活用例
クラスタリング: 似た特徴を持つデータをグループ分けする
主成分分析（PCA）: 多次元データを低次元に圧縮する

教師なし学習は人が予期しない関係性や理解が難しいことを見つけることも可能です

強化学習

強化学習は、報酬を最大化するための行動を学習する手法です

・環境と相互作用しながら、報酬を最大化するような行動を学習する
・自動運転やゲームプレイなどに応用される

強化学習の具体的手順の例
プロゲーマーに勝とうと考えると…
１．ゲームのルール、状態空間、行動空間を定義し、報酬を設定する
２．探索と活用のバランスを取り、Q学習や深層強化学習を用いてAIを訓練する
３．AIのパフォーマンスを評価し、ハイパーパラメータの調整や戦略の微調整を行う

・自動運転: 車両が最適な運転行動を学習する。
・ゲームプレイ: ゲームAIが報酬を最大化する行動を学習する。

機械学習のメリット

ザックリと機械学習の３つの手法について解説しましたが、それぞれの手法のメリットをまとめると…

  • 教師あり学習では分類や予測を自動化できる
  • 教師なし学習ではデータの構造やパターンの発見を自動化できる
  • 強化学習では人がいなくても最適な行動をとることができる

機械学習を始めるのに必要なこと

  • 基礎的なプログラミングスキル(Pythonなど)の習得
  • 統計学(特に線形代数、確率分布)の学習
  • 機械学習ライブラリの基礎知識の習得
  • ディープラーニング(深層学習)の知識の習得

おおよそここに示したものになりますが、これ以外にもデータベースに関する知識なども必要となる場合もあります

ChatGPTに機械学習の学習の
進め方を聞いてみた

Moti
Moti

機械学習の学習の進め方について教えてください

ChatGPT
ChatGPT

もちろん、機械学習の学習に興味がある方は、以下のステップを参考にして進めてみてくださいね。

  1. 基本的な数学と統計の理解：機械学習の理論やアルゴリズムを理解するために、線形代数、微積分、確率論、統計学などの基本的な数学と統計の知識を学習する
  2. プログラミングスキルの習得：機械学習の実装にはプログラミングが必須です。PythonやRなどのプログラミング言語が機械学習に広く使用されています。特にPythonは多くの機械学習ライブラリが利用可能であり、学習コミュニティも活発です。分からないことがあってもネットで検索すると良い解決策が見つかることが多いというのが利点です。
  3. 機械学習の基礎理解：機械学習の基本的な概念やアルゴリズムについて学ぶことが重要です。教師あり学習、教師なし学習、強化学習などの主要なアプローチや、代表的なアルゴリズム（線形回帰、決定木、ニューラルネットワークなど）について理解する必要があります。
  4. データの前処理と可視化：データの前処理は機械学習の成功に重要です。データのクリーニング、欠損値の処理、特徴量エンジニアリングなどを行う必要があります。また、データの可視化によってデータの特性やパターンを理解することができます。
  5. モデルの選択と評価：適切な機械学習モデルを選択し、データに適合するように調整する必要があります。また、モデルの性能を評価するために交差検証やテストデータセットを使用して評価することも重要です。
  6. 実践プロジェクト：実際のデータセットを使用して機械学習プロジェクトを実践することで、理論を実践に結び付けることができます。これにより、問題解決能力やモデルの実装能力が向上します。

これらのステップを順番に進めることで、機械学習の基礎を習得し、実践的なプロジェクトに取り組む準備が整います。

学習の進め方についてChatGPTに質問した結果、上記のような文章が出力されました。おおよそ内容としては正しいですが、実際にこの順番で学習を進めていくことは非常に難しいですし、機械学習へのモチベーションを保つことが不可能でしょう。

そのため、実際にプログラムを動かしながら、平行して自分で分からない箇所を調べながら学習を進めていくと効果的に習得できるでしょう。

学習を助けてくれるサイト、講座など

機械学習を行うために必要な知識、学習の進め方が分かったところで、それぞれの学習分野についておすすめする無償のサイト、講座などをいくつか紹介します

【機械学習】超初心者におすすめ

Pythonの学習におすすめ

機械学習の基礎理解

機械学習を楽しもう！

機械学習をできるようになれば、予測や判断の自動化はもちろん、その過程で得た経験や知識を他のことにも幅広く活かすことができるでしょう

良き機械学習ライフを！

1つ前の記事はこちら↓

VSCodeのインストール方法を解説
プログラミング初心者必見！VSCodeのインストールと日本語化までを実際の画面のスクショ付きで解説。手順通りに進めて自分のPCにプログラミング環境を構築してみよう！
ai-blog-works.com
2024.05.27

コメント

タイトルとURLをコピーしました