#46 Section2 機械学習とは？

4th STEP 機械学習 Section ２ 機械学習とは？ データサイエンス チュートリアル 1

AIの歴史 人工知能（AI）の研究は1950年代から続いているが、その過程ではブームと冬の時代が交互に訪れ、現在は第四次の ブームとして脚光を浴びている。 埼玉県DXコンソーシアム 埼玉県Ai情報サイトより データサイエンス チュートリアル 2

• https://dxconso.com/about-ai/

AIの種類 AIは、ついに特徴量を自動で設計するようになった。 特徴量設計 ルール生成 特徴量設計 ルール生成 特徴量設計 ルール生成 人間 人間 人間 自動 自動 自動 AI 機械学習 ルールベース （エキスパートシステム） 遺伝的アルゴリズム 教師あり学習 教師なし学習 強化学習 データサイエンス チュートリアル 深層学習 （ディープラーニング） 3

機械学習の種類 コンピュータがデータを読み込むことで自動的にルールやパターンを見出し、その結果を活かして分類や予測を行う仕組み全体 のことを機械学習といいます。 STEP4の対象 学習方法 種 類 ① 教師あり学習 回帰 分類 ② 教師なし学習 クラスタリング 主成分分析（PCA） 等 等 ③ 強化学習 データサイエンス チュートリアル 4

教師あり学習 学習方法 特徴を表す情報（説明変数）と正解を表す情報（目的変数）がセットになった状態のデータ を用いてコンピュータに学習させる手法 分類 回帰 回帰の主な目的は、連続する値の傾向を もとに予測を行うこと 分類の主な目的は、分析したいデータが所 属するクラス分けを予測すること 【例】 【例】 ● 過去の気温データを基にして明日の気温を予測 ● 新しい店舗を開設する際に、検討している席数、最寄 り駅からの徒歩時間、モーニングサービスの有無を考慮 しながら売上を予測 ●トッピングの数、パンの生地、直径からピザの価格を予測 ● 会員になった期間、購入品目、購入頻度から、新商品 を購入する人を予測 ● 電子メール中に含まれる単語から、スパムメールか通常 メールかを判別 ● 顧客の支払い履歴・取引情報から与信判断 データサイエンス チュートリアル 5

教師なし学習 クラスタリング 主成分分析 特徴が近い（似ている／距離が近 い）データを集めて集団に分ける分 析手法 多くの量的な説明変数の中から、 主成分と呼ばれる複数の変数を組 み合わせたものに要約する手法 【例】 ● アンケート調査にて、化粧品利用の満足度や 意向、化粧品に対する意識調査を実施した際、 意識調査の部分でグループ分けし満足度を比 較。 ● 各ブランドを特性ごとの評価値によりグループ 分けし、該当するブランド・グループの購入者 特徴を調査 アソシエーション分析 （PCA） POSレジデータ等のデータを分析し て、「もしこうだったら、このようになる （if-then）」という関係性を導く分 析方法 【例】 ● 身長と体重（二次元のデータ）から肥満度を 示すBMI（一次元のデータ）に変換 ● 野菜を評価する色や形、大きさ、味などの多く の変数を持つデータから、「色と形が似ている 野菜」や「大きさと味が関連する野菜」など、新 たな指標（主成分）から、固有値や寄与率 を使い、データの背後にある構造や傾向を探る データサイエンス チュートリアル 【例】 ● ネット通販の購買データから、商品Aを買ったら こんな商品も買っているという確率を求める。 ● 会員の属性データとレシート単位の購買データ から、男性がベビー用おむつとビールを同時に 購買している率が高いことを発見。 6

【参考】 強化学習 強化学習は教師あり学習に似ていますが、(教師による)明確な答えは提示されません。では何が提示されるかというと、「行動の 選択肢」と「報酬」になります。 開発したいAIモデル ランダムな行動をとらなかった場合の価値を計算 状態価値関数 比較 エージェント ランダムな行動 行動価値関数が高い場 合、ランダムに選ばれた行 動が正しい行動として方策 に組み込まれることになる。 行動価値関数 【例】 チェス、将棋→自動運転、フィンテック データサイエンス チュートリアル 7