機械学習 機械学習の概要

機械学習

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2021/11/12 06:20 UTC 版)

ナビゲーションに移動 検索に移動

機械学習は以下の分野と密接に関係する:

機械学習という名前は1959年にアーサー・サミュエルによって造語された[5]

概要

定義

論者により定義が異なるものの、トム・M・ミッチェルによる下記の簡潔な定義は広く引用されている:

A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E[6]
コンピュータプログラムがタスクのクラスTと性能指標Pに関し経験Eから学習するとは、T内のタスクのPで測った性能が経験Eにより改善される事を言う。 — トム・M・ミッチェル英語版

ここでタスクとは、プログラムが解くべき課題を指し、例えば売上予測タスクであれば「明日の売上を予測せよ」といったタスクである。

経験はなんらかのデータとしてプログラムに与えられる。このデータを訓練データもしくは学習データといい、売上予測タスクであれば例えば「過去の経験」である今日までの売上が訓練データとして与えられる。訓練データを使ってプログラムの性能を改善する過程を、「プログラムを訓練する」もしくは「プログラムを学習させる」という。またプログラムの訓練に用いられるデータ全体の集合を(訓練もしくは学習)データセットデータ集合とも)という。

最後に性能指標は、プログラムがタスクをどの程度の性能で達成したかを測る指標で、前述の売上予測タスクであれば、例えば実際の売上との誤差を性能指標として用いる事ができる。

変数の種類

機械学習では、データxが連続量であるとき、x量的変数(quantitative variable)といい、「イヌ」、「ネコ」といった分類カテゴリのように物の種類を表す変数を質的変数(qualitative variable)という[7][8]。質的変数はカテゴリ型変数(categorical variable)、因子(factor)とも呼ばれる[8]

量的変数、質的変数以外にも「大」「中」「小」のように順序づけられた離散値を取る順序付きカテゴリ型変数(ordered categorical variable)もある[8]。また自然言語のように質的変数とは違い連続量ではなく、カテゴリ型変数と違い有限個のカテゴリに値を取るわけではないものも機械学習では取り扱う。

機械学習タスクの種類

機械学習のタスクは、以下の代表的な3種類のカテゴリーに分けられる。ただしこれらの3つで機械学習で扱う全てのタスクをカバーしているわけではないし、複数のカテゴリーに属するタスクや、どのカテゴリーに属するのか曖昧なタスクもある。

教師あり学習
入力とそれに対応すべき出力[注 2] を写像する関数を生成する。例えば、分類問題では入力ベクトルと出力に対応する分類で示される例を与えられ、それらを写像する関数を近似的に求める。
教師なし学習
入力のみ(ラベルなしの例)からモデルを構築する。データマイニングも参照。
強化学習
周囲の環境を観測することでどう行動すべきかを学習する。行動によって必ず環境に影響を及ぼし、環境から報酬という形でフィードバックを得ることで学習アルゴリズムのガイドとする。例えばQ学習がある。

教師あり学習

概要

教師あり学習supervised learning)では、未知の確率分布

この節の加筆が望まれています。 2021年1月

注釈

  1. ^ Machine learning and pattern recognition "can be viewed as two facets of the same field."[3]:vii
  2. ^ 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。
  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. ^ Machine Learning textbook”. www.cs.cmu.edu. 2020年5月28日閲覧。
  2. ^ 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/ 
  3. ^ #bishop2006
  4. ^ Friedman, Jerome H. (1998). “Data Mining and Statistics: What's the connection?”. Computing Science and Statistics 29 (1): 3–9. 
  5. ^ 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. 
  6. ^ Mitchell, T. (1997). Machine Learning. McGraw Hill. pp. 2. ISBN 978-0-07-042807-2 
  7. ^ a b #瀧 p.20.
  8. ^ a b c d e f #ESL p11-12
  9. ^ a b #GBC 5.1.3節
  10. ^ #金森 p.3.
  11. ^ #瀧 p.8.
  12. ^ a b #瀧 p.36.
  13. ^ #瀧 p.30.
  14. ^ 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。
  15. ^ #金森 p.13.
  16. ^ #金森 p.9.
  17. ^ a b #ESL p22-23
  18. ^ a b c d e f #ESL p559-561
  19. ^ Bishop, C. M. (2006), Pattern Recognition and Machine Learning, Springer, ISBN 978-0-387-31073-2 
  20. ^ 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
  21. ^ "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
  22. ^ 上田. "統計的機械学習入門" NII. https://www.youtube.com/watch?v=wqb3k22toFY&t=478
  23. ^ Yoshua Bengio (2009). Learning Deep Architectures for AI. Now Publishers Inc.. p. 1–3. ISBN 978-1-60198-294-0. http://books.google.com/books?id=cq5ewg7FniMC&pg=PA3 
  24. ^ : Pragmatic Chaos
  25. ^ "BelKor Home Page" research.att.com
  26. ^ 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。
  27. ^ 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」
  28. ^ 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」
  29. ^ 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」
  30. ^ 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」
  31. ^ #本橋2018 1.5章 「分析とは?」冒頭
  32. ^ 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」
  33. ^ 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」
  34. ^ 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」
  35. ^ 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」
  36. ^ 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」
  37. ^ : DataRobot
  38. ^ DataRobot: https://www.datarobot.com






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。

  
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。

©2021 GRAS Group, Inc.RSS