機械学習①教師あり学習の基礎/データサイエンス入門
このシリーズでは、スキルアップAI株式会社の「データサイエンティスト基礎講座」より、ビジネスパーソンが知っておくべき内容を抜粋してお送りします。データサイエンティスト検定™ リテラシーレベルにも対応した内容となっています。 スキルアップAIは、入門、データ分析、AIエンジニア基礎、ビジネス、クラウド、AIエンジニア応用といったカテゴリで様々な講座を用意しています。 スキルアップAI株式会社 https://www.skillupai.com/open/
会員限定
より理解を深め、他のユーザーとつながりましょう。
74人の振り返り
iso_ken
専門職
機械学習の教師あり学習の手法の仕組みが理解できた。いままで、ひとくくりにとらえて混乱していたので、分類が明確になったことが良かった。
2
kazumi_100pot
金融・不動産 関連職
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、理解が不十分と感じるので、復習しておきたいです。
2
vz3000
IT・WEB・エンジニア
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など教師あり機械学習の手法について理解を深めることができた。
1
hr-sakai
その他
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などやっとわかりやすく理解する事ができた。これからも考えながら学習していきます。
1
tsukamotoya
営業
決定木(けっていぎ・ディシジョンツリー・decision tree)とは、後述する分類木と回帰木を組み合わせたもので、ツリー(樹形図)によってデータを分析する手法です。機械学習や統計、マーケティングや意思決定などさまざまな分野で用いられます。業務に活かせるように努力致します。
0
taka1962
販売・サービス・事務
決定木の考え方は、日常の業務で無意識に使っている手法だとわかりました。この講義で、その考え方を理論的に習得することができたので、いままで以上に活用したいと思います。
0
ta-mo-
IT・WEB・エンジニア
教師あり学習の方法について、線形回帰、ロジスティック回帰以外に、様々あり、決定木は興味深い。そういう考え方があるのだと理解できた。
0
h_kawa
建設・土木 関連職
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など教師あり機械学習の手法について学んだが、どのような場合にどの学習モデルを使えばいいのか、それぞれの長所と短所についてさらに理解が必要と感じた。
0
k_yuna
販売・サービス・事務
大変勉強になりました。
0
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。
0
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。
0
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。
0
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。
0
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。。
0
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。
0
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
0
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。
0
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
0
i_mura888
金融・不動産 関連職
AIモデル作成の際に役立つ
0
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。
0
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
0
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。
0
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
0
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
0
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。
0
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。
0
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。
0
grateful
専門職
ニューラルネットワークを学びました。
0
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。
0
csl_kojima
IT・WEB・エンジニア
理解が深まりました。
0
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
0
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。
0
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
0
sakurai_shingo
人事・労務・法務
業務に活用できそう。
0
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。
0
cs1960
販売・サービス・事務
大変勉強になりました。
0
sesesese
その他
用語を順序だてて、理解できた
0
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
0
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。
0
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。
0
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。
0
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。
0
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
0
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。
0
stani
専門職
参考にさせていただきます。
0
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。
0
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
0
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、
0
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
0
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。
0
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。
0
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
0
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。
0
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。
0
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。
0
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
0
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。
0
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。
0
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。
0
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。
0
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。
0
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
0
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。
0
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
0
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。
0
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。
0
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。
0
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。
0
hiromichikawato
その他
ありがとうございました。
0
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
0
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。
0
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
0
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。
0
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。
0