機械学習を学ぶ

教師あり学習と教師なし学習

機械学習は、コンピュータにデータを学習させて、新しい情報や未知のデータに対して予測や判断をさせる技術です。
この学習の方法には大きく「教師あり学習」と「教師なし学習」の 2 つの方法があります。

教師あり学習

この方法では、答えがわかっているデータ(入力と正解のペア)を使って、コンピュータに学習させます。学習が終わると、新しい入力データに対する答えを予測することができます。

データの例

部屋の数	広さ(㎡)	価格(万円)
3	50	2500
2	30	1800
4	70	3200

このデータを使って、新しい家の「部屋の数」と「広さ」を入力すると、「価格」を予測するモデルを学習させることができます。

教師なし学習

答えがわからないデータを使って、コンピュータにデータのパターンや構造を見つけさせる方法です。
主に、データのクラスタリング(グループ分け)や次元削減などに使われます。

データの例

顧客 ID	リンゴの購入数	バナナの購入数
A	5	2
B	2	6
C	4	3

このデータを使って、類似の購入傾向を持つ顧客のグループを自動的に作成することができます。

---

説明変数と目的変数

機械学習や統計学において、データを解析する際には「説明変数」と「目的変数」という 2 つの主要な変数のタイプを扱います。
機械学習の文脈では、説明変数を使用して目的変数の値を予測することが多いです。
例えば、広告の予算(説明変数)と売上(目的変数)の関係は、広告の予算が増えると売上が増加する可能性があり、機械学習によって予測できる可能性があります。

例 1: 家の価格予測

教師あり学習を利用して、物件の価格を予測するモデルを構築することを想定します。

価格(万円)	部屋の数	広さ(㎡)
2500	3	50
1800	2	30
3200	4	70

目的変数

このデータでは、「価格」が目的変数として使用されます。

説明変数

このデータでは、「部屋の数」と「広さ」が説明変数として使用されます。

例 2: 学生の試験スコア予測

教師あり学習を利用して、試験スコアを予測するモデルを構築することを想定します。

試験スコア(点)	勉強時間(時間)	予習回数
85	5	3
65	2	1
92	7	4

目的変数

このデータでは、「試験スコア」が目的変数として使用されます。

説明変数

このデータでは、「勉強時間」と「予習回数」が説明変数として使用されます。

例 3: 顧客セグメンテーション

教師なし学習の手法の一つであるクラスタリングを使用して、顧客を似た特性を持つグループに分けることを想定します。

顧客 ID	年間購入金額(万円)	訪問頻度(回/月)
A	12	5
B	3	2
C	8	4

説明変数

このデータでは、「年間購入金額」と「訪問頻度」が説明変数として使用されます。