最新技術・経営情報管理

機械学習

Machine Learning

概要

データからパターンや規則性を自動的に学習し、予測や分類を行うAIの中核技術。

詳細解説

機械学習は、大量のデータからアルゴリズムが自動的にパターンを学習し、未知のデータに対する予測や判断を行う技術である。明示的にプログラムを記述するのではなく、データから法則性を獲得する点が従来のプログラミングと異なる。

教師あり学習（正解ラベル付きデータで学習）、教師なし学習（正解なしでデータ構造を発見）、強化学習（試行錯誤を通じて最適な行動を学習）の3つに大別される。回帰分析、決定木、SVM、ランダムフォレストなどのアルゴリズムがある。

試験対策のポイント

暗記必須：機械学習はデータからパターンを自動学習する手法。教師あり学習・教師なし学習・強化学習の3種類を区別。
頻出ポイント：教師あり学習＝正解ラベル付きデータで学習（分類・回帰）、教師なし学習＝正解なしでパターン発見（クラスタリング）、強化学習＝報酬で試行錯誤。
ひっかけ注意：分類（クラス分け）と回帰（数値予測）は教師あり、クラスタリング（グループ分け）は教師なし。区別が頻出。
関連づけ：過学習（訓練データに適合しすぎ未知データに弱い）など学習の課題も確認する。

事例・具体例

教師あり学習の例として迷惑メールフィルタや売上予測、教師なし学習の例として顧客セグメンテーション、強化学習の例として囲碁AI（AlphaGo）やロボット制御がある。