機械学習⑨教師なし学習の代表的な手法／データサイエンス入門

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。

dansagami

金融・不動産　関連職

分かったような分からないような….、でもなんとなく教師なし学習の仕組みを理解できました。

minamt

IT・WEB・エンジニア

階層型クラスタリングの概念が、動画でよく理解できます。kmeans法などは、書籍の文書でも分かる内容と思いますが、階層型の理解が正確でなかったので、とても良い学習になりました。

y-arano

メーカー技術・研究・開発

考慮すべき項目がたくさんある場合は主成分分析で時間削減してから再度解析し、わかりやすく説明できるようにしたいです。

yoshikouc

販売・サービス・事務

K-means法は一つ一つの距離を出すため正確な数値が出そうだと思いました

ks070341

その他

教師あり学習と教師なし学習の相違が分かった。どちらが望ましいかは要件定義した内容にも左右されるため，学習を継続したい。

ta-mo-

IT・WEB・エンジニア

教師無し学習の代表的な手法が理解できた。クラスタリング、次元削減、階層型クラスタリングなど。樹形図は可視化され、わかりやすい。K-meansは重心を求める為、精度的にはよさそうだが、工数がかかりそうと思った。

pomu77

IT・WEB・エンジニア

教師なし学習の代表的な手法について理解を深めることができました。

vegitaberu

人事・労務・法務

クラスタリングの実際のやり方が、これまで以上に理解でき、実際に使用する場面のイメージができました。実際に使える場面を探し、試験的にでも、積極的に使ってみたいと思います。

michiyomichiyo

その他

クラスター分析について何度も重ねていくことで出すと学んだ。

inyourmind

建設・土木　関連職

k-means法はkの数を自分で決めなければいけない(=ハイパーパラメータ)のが厄介だと思います。

70sp1208

その他

クラスタリングなど、少々馴染みのない手法があり、難しかったが、教師なし学習の基礎となるため、復習をして習得していきたい。

kenjiro_fujita

コンサルタント

クラスタ分析をする際に、どのようにクラスタを分けるかを学ぶことができた。デンドログラムを用いてクラスタするのが困難なデータ量の場合はＫ－Ｍｅａｎｓ法にもチャレンジしてみたい。

user-name01

販売・サービス・事務

クラスターのまとめ方を学んだ。様々な方法があると感じた。

h-kozawa

メーカー技術・研究・開発

k-means法については初めて概念認識しました。その他は基礎知見の復習機会となりました。

mutame

その他

教師なし学習の代表的な手法について理解できた。

sesesese

その他

k means法の説明がとてもわかりやすかった。

sales_supdoctor

金融・不動産　関連職

クラスタリンクのアルゴリズムは、ターゲットを抽出する際に必要だと考えます。 k-means方での分類は実用性が高いと感じた。

isobe2615p

その他

分類した後に、データが近いということは、データ同士の距離が近いということとなり、目に見えるので分かり易いと思った。

naoki_sasano

メーカー技術・研究・開発

機械学習を使って、異常検知したい場合、どのような手法がありますか？

tsukamotoya

営業

学習できたことを整理し業務に活かしたいと思いました。

i_mura888

金融・不動産　関連職

データ分析に活用出来る

k_yuna

販売・サービス・事務

大変勉強になりました。

nakashi49

営業

教師なし学習の代表的な手法について、その概要を理解することができた。いずれの手法も、分析者による適切なデータ分析が、適切なクラスタリングには重要であることが理解できた。

kyo1227

営業

階層型クラスタリングの概念が、動画でよく理解できます。kmeans法などは、書籍の文書でも分かる内容と思いますが、階層型の理解が正確でなかったので、とても良い学習になりました。

fu-atoreichi-ma

その他

教師なし学習のタスクとしてはクラスタリング（グルーピング）がある。クラスタリングの後、解釈を与え、仮説を立てていく。その中でデータ量を削減していくことは次元削減と呼ばれる。
階層型クラスタリングでは結果が可視化される。学習結果はデンドログラム（樹形図）で表現される。他にk-means法がある、これは非階層型手法と呼ばれる。
他に異常検知もある。
教師なし学習では正解となるデータが存在せず、入力されたデータを利用して正解を導き出していく。教師となるデータが存在しないため、自由度が高い分、精度を高めていくことで学習領域は拡張可能との認識である。データのパターン化や分類等、活用の場を検討したい。

aokitaka-tci

その他

教師なし学習の代表的な手法の概要について理解した、活用イメージはまだないが知識としてもっておく

temp_at

IT・WEB・エンジニア

教師無し学習の使い分けについて知ることが出来た。

grateful

専門職

K-ミーンズ法を学びました。

shirojpn

メーカー技術・研究・開発

教師なし学習の代表的な事例について、概要を学ぶ事がてきた。
k-means法は、一度活用してみたいと思った。

tsuyoshi_asano

経営・経営企画

機械学習を行うことで、入力後の出力をある程度オートに出せるようになる訳ですが、そのモデルを作成する際にはかなり人の主観(データの解釈)が出る、という部分が面白いです。データサイエンティストの責任は重いですし、幅広いセグメントのビジネス知識があると役立ちますね。

yasupii

その他

教師なし学習の代表的な手法にクラスタリングがあることが分かりました。これは分類後にその意味をヒトが決めるということで、説明の意味付けになる気がしました。

cs1960

販売・サービス・事務

大変、勉強になりました。

k--g--

その他

今回の講義は復習が必要なようです。

w_axl

メーカー技術・研究・開発

教師なし学習の代表事例に付いて概要はわかりました

hi-std

IT・WEB・エンジニア

教師なし学習の手法について学ぶ事が出来た。

hhmorimoto

メーカー技術・研究・開発

データサイエンティストスキルアップを目指して行きたいと思います

suzuqp

IT・WEB・エンジニア

教師なし学習の代表的な手法について理解できた。

take515

メーカー技術・研究・開発

教師なし学習の代表的な手法について学んだ。

hrkudo

IT・WEB・エンジニア

教師なし学習について理解しました。

pinguino

販売・サービス・事務

クラスタリングの考え方が理解できた。

chikako_k

IT・WEB・エンジニア

業務で使うシーンが思い浮かびませんが、知識として役に立ちそうだと感じました。

stani

専門職

参考にさせていただきます。

7031

経営・経営企画

クラスタリングについては基礎がしっかり理解できました。

e_co

販売・サービス・事務

教師なし学習の代表的手法が理解出来ました。
どの手法を使うのかを判断するためには、理解を深める必要があるとも感じた。

hr-sakai

その他

代表的な表現の理解ができた。確かにそう思うことばかりです。

masato_86

専門職

教師なし学習の代表的な手法について理解できた。

taka1962

販売・サービス・事務

業務では、仕事を分割する際に、事前に類似したデータごとに分けて処理しやすくしておくことがまさにクラスタリングの考え方だとわかりました。

tnakajima1998

営業

階層別クラスタリング等の考え方を習得できました。

takumi_1453

経営・経営企画

①機械学習、教師なし学習
・入力のみが学習用データとしてモデルに与えられる
・モデルは入力の関係性や構造をうまく表現するように学習

②教師なし学習で扱うタスクの例
・顧客データ（購入頻度・購入単価）→顧客のクラスタリング★
・画像→特徴抽出（次元削減）
・センサーデータ→異常検知

③クラスタリング
・データの集合を部分集合（クラスタ）に分割
・データ間の距離の近さを元に分割
・クラスタリング結果の解釈は分析者に委ねられる（正解はない）

④教師なし学習の代表的な手法
・主成分分析→次元削減、特徴量抽出
・階層型クラスタリング→クラスタリング
・k-means法（非階層型手法）→クラスタリング

⑤個別解説　主成分分析（特徴抽出）
•データの特徴をよく表す新しい軸（主成分軸）を見つけ、そのうちの重要でない軸のいくつかを不採用にすることで次元削減を行う
（例）数学の点数x1、理科の点数x2に対して特徴を表す主成分軸z1、z2、、、を比較し、採用する軸と不採用の軸を決める

⑥個別解説　階層型クラスタリング★★★★★
•学習結果はデンドログラム（樹形図）で表現される
•計算手順
　1.各データそれぞれを１つのクラスタとする
　2.距離が近いクラスタを結合
　　（距離:クラスタの重心間の距離など）
　3.クラスタ数が1になると終了
•結果の可視化（デンドログラム）
　→樹形図の高さは結合したクラスタ間の距離を表す
　→距離を見てクラスタ数を決定できる★
　　ただしデータ数が多すぎてデンドログラムが
　　不明瞭の場合は決めにくいので
　　k-means法など非階層的手法を用いる

⑦個別解説　k-means法（非階層型クラスタリング）
•非階層型手法と呼ばれる
•アルゴリズム
　1.k個のクラスタの中心点をランダムに配置
　　✳︎kの値は分析者が決める
　2.中心点の変化が十分に小さくなるまで、以下を繰り返す
　　2-1.各データと中心点との距離を計算し、各データを最も近いクラスタに所属させる
　　2-2.各クラスタの重心を新たな中心点とする

miura_ka

販売・サービス・事務

分類について確認できた。

4ktake

人事・労務・法務

色々な知識が得られて、面白い。。

t_htn

経営・経営企画

教師無しの代表的な事例が把握できた。
これをデータ分析業務に活用し、業務をより効率化するとともに、データ分析精度も向上
させたいと思う

watanabe-tat

専門職

階層クラスタリングは、顧客分析に活用できる。

iso_ken

専門職

階層型クラスタリングとk-means法はよく使用されるのでしっかり理解したい。

choko0504

メーカー技術・研究・開発

クラスタリング等の教師なし学習について学習することができた。実務で利用できる機会があれば利用したい。

s-ma

経営・経営企画

クラスタリング手法について理解が深まった

kazumi_100pot

金融・不動産　関連職

クラスタリングについては基礎的なことが理解できれば良いと思っていました。今回、しっかりと復習ができました。

matute

IT・WEB・エンジニア

クラスタリング手法にもさまざまな方法があることが分かった。データ量などを見ながらどのような手法が最適か選択できるように実践で学んでいきたい。

sakurai_shingo

人事・労務・法務

業務で活かせますよ。

ken222

営業

特にデンドログラムとkミーンズ法は覚えづらいのでしっかり整理したい。

makidayo

IT・WEB・エンジニア

教師なし学習の代表的な手法について学べました。具体的にどのような場合にそれを使用するのかを実例で知りたいなと思いました。

k-akira

営業

教師なし学習の具体的な仕組みを理解できた。どういうデータの場合にどの手法が相性が良いのかを加えて勉強したい。

toshi-iwai

経理・財務

クラスター分析の概念が理解出来ました。復習したいと思います。

yokoishida

コンサルタント

何度か繰り返し視聴します。