機械学習⑦教師あり学習の代表的な手法／データサイエンス入門

inyourmind

建設・土木　関連職

「ディープ」に定義がないというのは意外だった。

kk1000

販売・サービス・事務

どのような場合にどの学習モデルを使えばいいのか、まだイメージが湧かなかったです。

jis46

その他

初めて聞く単語ばかりで１回では理解できなかった。時間のある時に振り返りたいと思います。

mainichi365

IT・WEB・エンジニア

勉強になりました。ありがとうございました。

pomu77

IT・WEB・エンジニア

回帰と分類するために使われる機械学習の手法について理解できました。。

suzuqp

IT・WEB・エンジニア

手法の違いが少し理解できました。やりたいことが分類なのか回帰なのか明確にして利用したいです。

takumi_1453

経営・経営企画

ハードな内容でした。。
後の説明を聞くと決定木とランダムフォレストを同列に手法として紹介するのは適切でない気がしますが、このあたりからも個々の手法開発が優先されていて全体像の整理が後回しになっている現状が伺えますね。


教師あり学習
　回帰専用
　→線形回帰
　分類専用
　→サポートベクトルマシン
　　ロジスティック回帰
　　（一応回帰にも使えるが制約多い）
　回帰・分類両対応
　→決定木
　　ランダムフォレスト
　　アダブースト
　　k近傍法
　　ニューラルネットワーク

k近傍法
　・新しい点に対しk個の近傍点を抽出
　・多数決（分類）や平均（回帰）を取る
　・kの値は交差検証法（or ホールドアウト法）で決める（汎化誤差が最小になる値）
　★年収と年齢から持家・借家の予測
　・「学習」過程が無いシンプルな仕組み
　データ点が多くなると計算時間がかかる

決定木
　・説明変数の軸に平行な境界線を複数引いて分類または回帰を行う
　・学習結果は木で表現
　・境界線は不純度が小さくなるように選ぶ
　（不純＝分類・回帰対象が混在する状態）
　・木の深さは交差検証法などにより決める
　★年収と年齢から持家・借家の予測
　・仕組みがシンプル・木構造なので予測結果の理由を説明しやすい
　・境界線を引きすぎる（枝を伸ばしすぎる）と過学習になりやすい
　★（回帰）延べ床面積、2階建てか、駅から徒歩5分圏内か、築十年未満か
　　→住宅価格を予測
　★（分類）キノコの形状、色などの特徴
　　→毒キノコの予測

アンサンブル学習
　・複数の教師あり学習の手法による学習済モデルの予測結果を組合せて汎化性能を改善
　・多様な組合せほど頑健な結果を得やすい
　・例　決定木＋ロジスティック回帰＋サポートベクトルマシン
　・代表的な手法の1つがバギング
　・バギング　bootstrap aggregating
　　・ブートストラップサンプルを用いて複数の学習器を並列に学習させる
　　・学習データN個からランダムサンプリングしたデータを各学習器の多数決（分類）や平均（回帰）から予測値を求める
　　・ブートストラップサンプル
　　　・ランダムサンプリング手法の1つ
　　　・N個のデータXからランダムにN個のデータを復元抽出し、新たにデータ集合X'を作る
　　　・L回の試行によりサイズNのデータ集合をLセット生成する
　　・ランダムフォレスト
　　　・バギングの1つ
　　　・学習器には決定木を使用
　　　・決定木の終端でないノードで境界線を引く際に用いる特徴をランダムに選択する事で多様な決定木を生成する（少しずつ違うモデルがたくさんできる事が大切）

ニューラルネットワーク
　・人間の神経回路網をモデル化
　・ノード（円）と線（エッジ）で表現
　・入力層x→ノード→隠れ層（重み掛け）→隠れ層（重み掛け）→、、、→出力層y
　・パラメータはエッジ上に存在＝線の数
　・NWを複雑にするほど表現力が高まり高性能モデル作りやすい
　・複雑なほどパラメータが多くなり学習に時間がかかる
　・層の数やノードの数など事前の検討要素が多い
　→事前に要検討の変数をハイパーパラメータと呼ぶ
　・予測結果に対して説明がしにくい
　・層の深いNNWをディープニューラルネットワークと呼ぶ
　　・ディープニューラルネットワークを用いた学習手法をディープラーニング（深層学習）と呼ぶ
　　・ディープの定義は無い

blueheater

その他

日頃の業務において、見込みや予測を立てる場合に活用してみる。

moco_fuwa

その他

教師あり学習の代表手法の概要を学習できた

i_mura888

金融・不動産　関連職

AIモデル作成の際に役立つ

tsuyoshi_asano

経営・経営企画

ニューラルネットワークを用いた予測の結果は理由を説明しづらいのに、Open AIやAnthlopicなどはPolitical Correctnessをユーザー(又は批評家?)求められる訳だが、こういう場合は隠れ層を増やして望ましくない結果をはじくのか、どのように処理を追加しているのか気になった。

また、学習結果が望ましくないケースは人の数だけ常にあり得るので、誰の倫理観をどのように注入して学習していくのか、というのは興味深い。

isshikit

その他

今回の受講においてまず以下のような内容を学ぶことができました。
線形回帰
ロジスティック回帰
決定木
サポートベクターマシン（SVM）
k近傍法（k-NN）
ニューラルネットワーク

教師あり学習の基礎から各手法の理論的背景、実装方法、メリット・デメリット、適用事例までを学びましたが、実際ピンとこないところが多々ありますので、今後の業務や日常に活用していくためには漠然とですが以下を考えています。

今後もこのような講習を受講し、少しでも実践的なスキルを磨く。
受講を継続することで知識のアップデートを行う。
上記の様な行動でスキル向上を目指す。

hi-std

IT・WEB・エンジニア

何度か復習をする必要があると思った

lonfri

販売・サービス・事務

アンサンブル学習、バギング、ランダムフォレスト、ディープラーニング、ニューラルネットワークといった言語とその内容について
曖昧だったことが理解できた。

michiyomichiyo

その他

一度聞いただけでは理解しきれないので何度か見直ししていこうと思う

masato_86

専門職

アンサンブル学習、バギング、ランダムフォレストについては理解が進んだ

minamt

IT・WEB・エンジニア

deep learning のオライリー本とかを読んでましたが、説明があるとやっぱりわかりやすいですね。

h-kozawa

メーカー技術・研究・開発

書籍で文字面のみ認識していましたが、今回明確に各手法の使い方・差異が理解できました。

user-name01

販売・サービス・事務

機械学習の様々な方法を学んだ。決定木やニューラルネットワークの考え方は機械学習に限らず、活用できそうだと感じた。

atsushi_komaki

金融・不動産　関連職

ＤＳ検定リテラシーレベルのために。

grateful

専門職

ニューラルネットワークを学びました。

toshiazeo

営業

良く理解出来ました。

choko0504

メーカー技術・研究・開発

ニューラルネットワーク等、機械学習の有名な手法について学習することができた。利用する機会があれば利用したい。

csl_kojima

IT・WEB・エンジニア

理解が深まりました。

koichi_seya

その他

ニューラルネットワークと行列の活用イメージが理解できた

yuki_nagato

その他

機械学習の教師あり学習の手法の仕組みが理解できた。

kyo1227

営業

アンサンブル学習、バギング、ランダムフォレストについては、理解が不十分と感じるので、復習しておきたいです。

tnakajima1998

営業

決定木の構造が大変分かりやすく説明されていたため、理解が進みました。

4ktake

人事・労務・法務

言葉の意味が理解できるようになってきた

sakurai_shingo

人事・労務・法務

業務に活用できそう。

naoki_sasano

メーカー技術・研究・開発

ニューラルネットワークの説明で、入力層、中間層、出力層が複数あり、それらが繋がったどのルートを入力データが通っていくのか、わからなかった。

cs1960

販売・サービス・事務

大変勉強になりました。

sesesese

その他

用語を順序だてて、理解できた

sawa-jun

建設・土木　関連職

教師あり学習の手法について学ぶことができました

fu-fu-fu

クリエイティブ

この動画でデータサイエンスについて学んだ。K近傍法、決定木、アンサンブル学習などの基本が学べた。特にニューラルネットワークの中の、ディープニューラルネットワークを用いたものがディープラーニングだということが理解できたので、AIに必要な膨大なデータ処理の基礎学習ができたかと思う。

take515

メーカー技術・研究・開発

教師あり学習の代表的手法の概要について確認できた。

shirojpn

メーカー技術・研究・開発

教師有り学習のその他の代表的な手法の概略を理解する事が出来た。
実際に活用する際の理解の手助けになったと思う。

e_co

販売・サービス・事務

実際にどの手法を用いれば最適なのか、場面場面で選択できるよう知識を深めたい。

sales_supdoctor

金融・不動産　関連職

教師あり学習の手法はビジネスシーンに合わせて回帰か分類が必要な場合に決定木、ランダムフォレスト、SVMなどの手法を選ぶことが多いと感じる。ニューラルネットワークでの結果は各ファクターの決め方によって様々な結果になりあるので、説明できる設定が難しいと感じた

makidayo

IT・WEB・エンジニア

ディープラーニングについてより深く理解することができて有益でした。

matute

IT・WEB・エンジニア

教師あり学習にはさまざまな手法があることを学んだ。どの様な場合にどの手法を選べばよいのか、実践を通して学んでいきたい

yoshikouc

販売・サービス・事務

業務で活用するには、目的と揃えられるデータとが大切だと思ってましたが、どの形で分析するかで結果が違ったりでなかったりすることがわかりました。

7031

経営・経営企画

手法を選択し、分析データを最適に分類や回帰し、意味のある分析をしたいと思いました。

stani

専門職

参考にさせていただきます。

pinguino

販売・サービス・事務

よく理解できた。実際に使う際には、適切な手法を選択できるようにしたい。

k-akira

営業

教師あり学習の代表的な手法について理解がすすんだ。一部説明がない手法は自分で確認したい

yasupii

その他

機械学習には色々な種類があり、回帰や分類に応じて、何が使えるのかが異なることが分かりました。またニューラルネットワークは複雑なモデルが作れる反面、なぜその予測が導かれたかの説明が難しいことも分かりました。その辺りを踏まえて、どのような機械学習の手段を使うのかを考えていきたいと思います、

kamiyama-shohei

その他

アンサンブル学習等、わかりやすく理解できた。

hhmorimoto

メーカー技術・研究・開発

機械学習手法について改めてわかりやすく説明いただき理解が深まりました
実務でも活用していきたいと思うと共に、更に勉強していきたいと思いました

haruka-

その他

様々な機械学習の手法があると学んだ。検証方法を複数組み合わせる方法など新たな学びがあった。

nakashi49

営業

機械学習の教師あり学習の手法、決定木、ニューラルネットワーク、ディープラーニングに関する概要を理解することができた。
今回のラーニングパスを一通り学んだ後、別途振り返りで復習することで、更に理解を深めて行きたいと思う。

70sp1208

その他

ニューラルネットワークの仕組みについて、完全ではないが、仕組みを理解した。ただ、ニューラルネットワークに限らずＡＩを理解するには、数学の知識が必須で、数学を勉強しなければならないことを実感した。

s-ma

経営・経営企画

教師あり学習の手法について理解が深まった

watanabe-tat

専門職

ディープラーニングを活用するため、ハイパーパラメーターの知見を深めたい。

miura_ka

販売・サービス・事務

考え方を学習できた。一部の要素は問題解決の考え方とも近く覚えやすかった。

toshi-iwai

経理・財務

バキングをブートストラップして決定木で学習するとか色々奥が深いので復習したいと思います。

t_htn

経営・経営企画

教師あり学習の考え方が把握できた。
分析したいデータに適切な教師あり学習の
手法を選択し、分析データを最適に分類や回帰し、
意味のある分析をしたいと思う

isobe2615p

その他

だんだん込み入ってきたので、復習をよくしようと思います

36271

営業

ニューラルネットワークについては新しい知識として面白いと思いました。

vegitaberu

人事・労務・法務

基本は理解できていたと思う部分でしたが、忘れてかけていた部分を復習できました。ただ、実践で使う場面がほとんどないので、実際に使う部分を作っていけたらと思っています。

k_k_ai

メーカー技術・研究・開発

今までわかっていなかったk近傍法、決定木、ランダムフォレストなどの手法の
具体的なイメージが分かって良く理解することができました。
学会の発表で良く聴く言葉なので、講演内容の理解が深まると思います。

hfkd156036

金融・不動産　関連職

教師あり学習の手法の仕組みが理解できた。

ken222

営業

教師あり学習の代表的な手法をしっかり覚えたい。

saito0722

その他

どの層の顧客に商品の需要があるか想定するとき

konitan1152

人事・労務・法務

Ｋ近傍法や決定木を使った分類は業務上に幅広く活用対象があると思われます。予測について利用対象がイメージするのは難しいです。実際の活用を行いながら理解を深めていく必要がありそうです。

iwc_co

建設・土木　関連職

最初に方の内容は、事前学習がなかったためか、非常に理解しにくかった。とくに機械学習では何がポイントか理解に苦しんだ。もっと理解を深め必要がある。

512177

資材・購買・物流

回帰なのか分類なのかによって、手法を使い分けたい

shin_yako

販売・サービス・事務

参考になりました。実務の活用を考えます

ks070341

その他

アンサンブル学習、バギング、ランダムフォレストなど知らない手法について学ぶことが出来た。業務の自動化にあたり，これらの特性を踏まえた適用がイメージされた。

kenjiro_fujita

コンサルタント

ニュラルネットワークの仕組みを理解することができた。

y-arano

メーカー技術・研究・開発

教師あり学習の代表的な手法を学ぶことができた。

fukashi_uehara

メーカー技術・研究・開発

ニューラルネットワークについての概要を理解する事が出来ました。今後はその応用についても学んでいきたいと思います。

test_test___

メーカー技術・研究・開発

教師あり学習の様々な手法とその特徴について知ることができた。

hiromichikawato

その他

ありがとうございました。

ck27

その他

機械学習において手法が複数あり、自分の扱いたいデータにより
使うものを考えながら使用していく必要があるが
実際に使うことで慣れていきたい

wada00

その他

機械学習の教師あり学習の手法の仕組みが理解できた。

dansagami

金融・不動産　関連職

機械学習にも種類があることが理解できた。ディープラーニングの定義がないことが意外だった。

w_axl

メーカー技術・研究・開発

興味がわいてきました　　更に詳しく学びたい欲求が出てきました

yokoishida

コンサルタント

ニューラルネットワークの具体例なかったのでイメージが湧きません。

madogiwazoku

その他

素人には難しすぎました。頭が痛いです。鼻血もでそうです。

fu-atoreichi-ma

その他

k近傍法は近傍のデータを用いて予測する手法。
決定木は軸に並行な境界線を複数引くことにより分類または回帰を行う手法。
アンサンブル学習は複数の学習済モデルの予測結果を組み合わせることで 汎化性能を改善する手法。
アンサンブル学習という枠組みにはバギングがあり、その中の一つとしてランダムフォレストがある、といった階層関係になる。学習器には決定木が用いられる。ランダムフォレストでは必ず決定器が用いられる。
ニューラルネットワークは人間の脳内にある神経回路網をモデル化したもの。ニューラルネットワークの層を深くしたものは ディープニューラルネットワークと呼ばれる。何層以上であればディープなのかの定義はなく、個人裁量に委ねられる。ディープニューラルネットワークを用いた学習手法は一般にディープラーニングと呼ばれる。実務に特化した体系的なカリキュラムにおいて学びを進めることで知見が身につき、試行錯誤するうちに最適手法に辿り着けるものと考える。柔軟な思考回路を形成し関係者と切磋琢磨しながら楽しく課題解決を目指したい。