機械学習とは何ですか?
機械学習は、コンピューターとその計算を含む人工知能の分野です。機械学習では、コンピューティング システムに生データが与えられ、コンピューターはそれに基づいて計算を行います。従来のコンピューター システムと機械学習の違いは、従来のシステムでは、プログラマーが物を区別する高レベルのコードを組み込んでいないことです。したがって、完璧な計算や洗練された計算を行うことはできません。しかし、機械学習モデルは高度なデータを統合し、人間の知能に相当するレベルで極限の計算を行う高度なシステムであるため、優れた予測を行うことができます。これは、教師ありと教師なしの 2 つの特定のカテゴリに大別できます。半教師ありと呼ばれる別のカテゴリの人工知能もあります。
監督付きML
この公式を使用すると、コンピューターは例を使用して、何をすべきか、どのように実行すべきかを教えられます。ここでは、コンピューターには大量のラベル付き構造化データが与えられます。このシステムの欠点は、コンピュータが特定のタスクの専門家になるために大量のデータを必要とすることです。入力として機能するデータは、さまざまなアルゴリズムを通じてシステムに入力されます。コンピューティング システムをこのデータに公開し、特定のタスクを習得するプロセスが完了したら、新しいデータをフィードして、新しく洗練された答えを得ることができます。このタイプの機械学習で使用されるさまざまなタイプのアルゴリズムには、ロジスティック回帰、K 最近傍法、多項式回帰、ナイーブ ベイ、ランダム フォレストなどが含まれます。
教師なし ML
このタイプでは、入力として使用されるデータはラベル付けも構造化もされません。これは、これまで誰もデータを見たことがないことを意味します。これは、入力がアルゴリズムを駆動できないことも意味します。データは機械学習システムにのみ供給され、モデルのトレーニングに使用されます。特定のパターンを見つけて、望ましい答えを与えようとします。唯一の違いは、作業が人間ではなく機械によって行われることです。この教師なし機械学習で使用されるアルゴリズムには、特異値分解、階層的クラスタリング、部分最小二乗法、主成分分析、ファジー平均などがあります。
強化学習
ML 強化学習は従来のシステムと非常に似ています。ここで、エンジンはアルゴリズムを使用して、試行錯誤と呼ばれる方法を通じてデータを検索します。その後、システム自体がどの方法が最も効果的かつ効率的な結果をもたらすかを決定します。機械学習には主に、エージェント、環境、アクションという 3 つの要素が含まれます。エージェントは、学習者または決定を下す人です。環境はエージェントが対話する雰囲気であり、アクションはエージェントが行う作業とみなされます。これは、エージェントが最も効率的な方法を選択し、それに基づいて処理を進めるときに発生します。
