機械学習とは? わかりやすく解説

Weblio 辞書 > 同じ種類の言葉 > 学問 > 教育 > 学習 > 機械学習の意味・解説 

きかい‐がくしゅう〔‐ガクシフ〕【機械学習】

読み方:きかいがくしゅう

コンピューターによる学習人工知能一分野であり、人間がもつ学習能力同じくコンピューター経験から学習し将来予測意思決定実現できるようにする技術手法を指す。マシンラーニング


機械学習

読み方きかいがくしゅう
【英】Machine learning

機械学習とは、言語ゲームなどをはじめとした人間様々な知的活動の中で、人間自然と行っているパターン認識経験則導き出したりするような活動を、コンピュータ使って実現するための技術理論、またはソフトウェアなどの総称である。

通常、機械学習では一定数以上の訓練データを下にして、ナイーブベイズをはじめとした様々なアルゴリズム用いて規則性法則性などを学習させるその後テストコレクション含まれるあらかじめ人間によって付与され正解と、機械学習の結果として出来上がったソフトウェア導きだす正解とを比較して精度汎用性などを評価する

機械学習に用いられる主なアルゴリズムとしては、最も単純で汎用的な「ナイーブ・ベイズ」、複数ルールなど基づいた基準構築する際などに用いられる決定木」、クラスタリングなどで用いられることが多い「K-平均法」、サポート・ベクター・マシンなどに代表されるカーネル法、などがある。

情報と社会のほかの用語一覧
自然言語処理:  形態素解析  言語モデル  機械翻訳  機械学習  コーパス  語義の曖昧性解消  固有表現抽出

機械学習

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2023/09/12 09:38 UTC 版)

機械学習(きかいがくしゅう、: machine learningML)とは、コンピュータプログラムに ある分野のデータを繰り返し与えることで そこに内在する規則性など[注釈 1]学習させ、未知のデータが与えられた際に学習結果に当てはめて予測・判断・分類などを行えるようにする仕組み[1]。「経験」(と研究者が呼ぶデータ)から学習することで自動で改善するコンピューターアルゴリズム[2][3]。およびそれの研究領域[2][3]。英語を音写して日本語でもマシンラーニングと呼ぶことがある。


注釈

  1. ^ 人間の専門家が訓練例にラベル付けすることで提供されることが多いのでラベルとも呼ばれる。
  2. ^ Machine learning and pattern recognition "can be viewed as two facets of the same field."[10]:vii
  3. ^ 典型的には、p(x,y)に従って独立にDの各データを選ぶが、Dをどのような確率分布から選んだかによらず、定理は証明できる。

出典

  1. ^ 厳密な " 規則性 " でなければ学習できないわけではなく、機械学習はむしろ基本的には、相関関係の相対的な 強さ/弱さ の程度を学習する。
  2. ^ 2006年のことだが、ネットフリックスは、同社のレコメンダシステムより10%以上高性能な(つまりユーザーの好みをより正確に予測する)プログラムを捜す競技会 Netflix Prize を開催した。この競技会は数年かけて行われ、AT&T Labs のチームが「プラグマティック・ケイオス」(: Pragmatic Chaos)という機械学習プログラムで10.06%の性能向上を実現して2009年に優勝し優勝賞金100万ドルを獲得した。[27]
  1. ^ IT用語辞典 e-words【機械学習】
  2. ^ a b Machine Learning textbook”. www.cs.cmu.edu. 2020年5月28日閲覧。
  3. ^ a b Harnad, Stevan (2008), “The Annotation Game: On Turing (1950) on Computing, Machinery, and Intelligence”, in Epstein, Robert; Peters, Grace, The Turing Test Sourcebook: Philosophical and Methodological Issues in the Quest for the Thinking Computer, Kluwer, pp. 23–66, ISBN 9781402067082, http://eprints.ecs.soton.ac.uk/12954/ 
  4. ^ Samuel, Arthur (1959). “Some Studies in Machine Learning Using the Game of Checkers”. IBM Journal of Research and Development 3 (3): 210–229. doi:10.1147/rd.33.0210. 
  5. ^ Mitchell, T. (1997). Machine Learning. McGraw Hill. pp. 2. ISBN 978-0-07-042807-2 
  6. ^ a b #瀧 p.20.
  7. ^ a b c d e f #ESL p11-12
  8. ^ a b c d e f g h i j k l m n o p q r s t u v w x y EMERITAS, What are Machine Learning Applications?
  9. ^ [1]
  10. ^ #bishop2006
  11. ^ Friedman, Jerome H. (1998). “Data Mining and Statistics: What's the connection?”. Computing Science and Statistics 29 (1): 3–9. 
  12. ^ a b #GBC 5.1.3節
  13. ^ #金森 p.3.
  14. ^ #瀧 p.8.
  15. ^ a b #瀧 p.36.
  16. ^ #瀧 p.30.
  17. ^ Lecture 12: Bias-Variance Tradeoff”. CS4780/CS5780: Machine Learning for Intelligent Systems [FALL 2018]. コーネル大学. 2020年11月10日閲覧。
  18. ^ #金森 p.13.
  19. ^ #金森 p.9.
  20. ^ a b #ESL p22-23
  21. ^ a b c d e f #ESL p559-561
  22. ^ Bishop, C. M. (2006), Pattern Recognition and Machine Learning, Springer, ISBN 978-0-387-31073-2 
  23. ^ 統計的学習理論, 金森敬文, 機械学習プロフェッショナルシリーズ, 講談社, 2015, ISBN 9784061529052
  24. ^ "統計的機械学習理論と ボルツマン機械学習" 安田 宗樹. 山形大学
  25. ^ 上田. "統計的機械学習入門" NII. https://www.youtube.com/watch?v=wqb3k22toFY&t=478
  26. ^ Yoshua Bengio (2009). Learning Deep Architectures for AI. Now Publishers Inc.. p. 1–3. ISBN 978-1-60198-294-0. https://books.google.co.jp/books?id=cq5ewg7FniMC&pg=PA3&redir_esc=y&hl=ja 
  27. ^ "BelKor Home Page" research.att.com
  28. ^ a b c #本橋2018 1.3章「人工知能の利用用途」「人工知能の3つの役割」の冒頭付近。
  29. ^ a b c d e #本橋2018 1.4章「認識の具体例」図1-4「画像認識の具体例」
  30. ^ a b c #本橋2018 1.4章「認識の具体例」図1-5「音声入力の具体例」
  31. ^ a b c #本橋2018 1.4章「認識の具体例」図1-6「文章解析・文章認識の具体例」
  32. ^ a b c #本橋2018 1.4章「認識の具体例」図1-7「異常検知の具体例」
  33. ^ #本橋2018 1.5章 「分析とは?」冒頭
  34. ^ a b c d e #本橋2018 1.5章「分析の具体例」図1-8「数値の予測の具体例」
  35. ^ a b c d #本橋2018 1.5章「分析の具体例」図1-9「イベントの発生の予測の具体例」
  36. ^ a b c d e #本橋2018 1.6章「対処の具体例」図1-10「行動の最適化の具体例」
  37. ^ a b c #本橋2018 1.6章「対処の具体例」図1-12「作業の具体化の具体例」
  38. ^ a b c #本橋2018 1.6章「対処の具体例」図1-13「表現の生成の具体例」
  39. ^ : DataRobot
  40. ^ DataRobot: https://www.datarobot.com



機械学習

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/03/26 00:11 UTC 版)

データ圧縮」の記事における「機械学習」の解説

「機械学習」も参照 機械学習と圧縮の間には密接な関係がある。ある系列の完全な履歴入力として事後確率予測するシステムは(出力分布対して算術符号使用することで)最適なデータ圧縮利用でき、一方最適な圧縮器は(履歴からもうまく圧縮するシンボルを見つけることで)予測利用できる。この等価性利用してデータ圧縮は「一般知能」(general intelligence) を評価するベンチマークとして使われてきた。

※この「機械学習」の解説は、「データ圧縮」の解説の一部です。
「機械学習」を含む「データ圧縮」の記事については、「データ圧縮」の概要を参照ください。


機械学習

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/06/05 03:22 UTC 版)

コンピュータ将棋」の記事における「機械学習」の解説

かつては手作業評価関数作られていたが、Bonanza開発者保木邦仁は、機械学習によって評価関数作成した。これによりこれまでの他のソフトが見落としていた(あるいは開発者軽視していた)指し手高い評価与えることが可能となった。この「評価関数パラメータ自動生成」は「ボナンザ・メソッド」と呼ばれコンピュータ将棋史上最大ブレイクスルー一つと見なされている。 2009年開催され第19回世界コンピュータ将棋選手権では、決勝進出した8ソフトの内、シード激指YSSを除く6ソフトが「ボナンザ・メソッド」を採用した。この結果激指は2勝5敗、YSSは1勝6敗と惨敗し翌年選手権では「ボナンザ・メソッド」を採用した。 機械学習には、過去プロ棋士対戦棋譜からの教師あり学習自己対戦による強化学習ありえるが、2015年頃まではプロ棋士棋譜用いた教師あり学習主流であった教師あり学習場合プロ棋士の手再現するというのが機械学習のテーマとなる。ミスの少なさ読み手数の長さプロ棋士超えようとしている。教師あり学習欠点として、入玉模様など過去プロ棋士対戦棋譜にあまり出てこないパターン弱くなる問題がある。 かつてはプロ棋士対戦棋譜学習教材として用いられていたが、自己対戦棋譜による強化成功したNineDayFeverの登場以降コンピュータ同士対戦棋譜重視されるようになっている。2016年以降プロ棋士棋譜使わず、自ら棋譜生成し数億~数十億局面から浅い探索での評価値を深い探索での評価値近づけるように学習するNineDayFeverの強化学習一般的になり、入玉評価大幅に改善された。

※この「機械学習」の解説は、「コンピュータ将棋」の解説の一部です。
「機械学習」を含む「コンピュータ将棋」の記事については、「コンピュータ将棋」の概要を参照ください。


機械学習

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2021/09/18 06:54 UTC 版)

indiexpo」の記事における「機械学習」の解説

indiexpoプレイヤー評価コメントなどの活動基づいて個人合わせたゲームおすすめする機能あります。 インディーパッド 2017年にはindiepadというタイトルAndroidアプリリリースされスマートフォンゲームパッドとして使ってindiexpo公開されているゲームプレーできるようになりました。これにより、Constructコミュニティー多く支持得ました。 このシステムの特徴は、開発者にとっての実装単純さです。実際にはゲーム修正する要はありません。ゲームサイトアップロードするときにこの機能有効に設定するだけです。 ローカルのマルチプレイヤーセッションに表示され最大4人の同時プレー楽しめます。

※この「機械学習」の解説は、「indiexpo」の解説の一部です。
「機械学習」を含む「indiexpo」の記事については、「indiexpo」の概要を参照ください。


機械学習

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/05/16 10:21 UTC 版)

ニワトリのヒナの雌雄鑑別」の記事における「機械学習」の解説

機械学習によって鑑別する手法開発中だが、まだ精度が不十分で実用化には至っていない。

※この「機械学習」の解説は、「ニワトリのヒナの雌雄鑑別」の解説の一部です。
「機械学習」を含む「ニワトリのヒナの雌雄鑑別」の記事については、「ニワトリのヒナの雌雄鑑別」の概要を参照ください。


機械学習

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2019/12/01 22:34 UTC 版)

過剰適合」の記事における「機械学習」の解説

機械学習の分野では過学習overtraining)とも呼ばれる過剰適合概念は機械学習でも重要である。通常学習アルゴリズム一連訓練データ使って訓練される。つまり、典型的な入力データとその際の既知出力結果与える。学習者はそれによって、訓練データでは示されなかった他の例についても正し出力返すことができるようになる期待される。しかし、学習期間が長すぎたり訓練データ典型的なものでなかった場合学習者訓練データ特定ランダムな(本来学習させたい特徴とは無関係な特徴にまで適合してしまう。このような過剰適合過程では、訓練データについての性能向上するが、それ以外データでは逆に結果悪くなる

※この「機械学習」の解説は、「過剰適合」の解説の一部です。
「機械学習」を含む「過剰適合」の記事については、「過剰適合」の概要を参照ください。

ウィキペディア小見出し辞書の「機械学習」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ



機械学習と同じ種類の言葉


英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「機械学習」の関連用語

機械学習のお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



機械学習のページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
デジタル大辞泉デジタル大辞泉
(C)Shogakukan Inc.
株式会社 小学館
IT用語辞典バイナリIT用語辞典バイナリ
Copyright © 2005-2023 Weblio 辞書 IT用語辞典バイナリさくいん。 この記事は、IT用語辞典バイナリ機械学習の記事を利用しております。
ウィキペディアウィキペディア
All text is available under the terms of the GNU Free Documentation License.
この記事は、ウィキペディアの機械学習 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。 Weblio辞書に掲載されているウィキペディアの記事も、全てGNU Free Documentation Licenseの元に提供されております。
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaのデータ圧縮 (改訂履歴)、コンピュータ将棋 (改訂履歴)、indiexpo (改訂履歴)、ニワトリのヒナの雌雄鑑別 (改訂履歴)、過剰適合 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2023 GRAS Group, Inc.RSS