機械学習の種類：知っておくべき3つの機械学習の種類

AIを学び始めると、機械学習という用語に頻繁に出くわします。 それは何ですか？ 機械学習の種類（ある場合）？

この記事では、これらとまったく同じ質問に取り組みます。

始めましょう。

機械学習とは何ですか？

Facebookがあなたの友達をどのように推薦するのか疑問に思ったことはありますか？

または、Amazonはどのように製品の購入を推奨していますか？

それらはすべて機械学習アルゴリズムを使用しています。

機械学習とは、プログラミングを必要とせずに機械がパフォーマンスを向上させ続けることを可能にする研究分野を指します。

機械学習を通じて、ソフトウェアとボットは常に新しいことを学び、より良い結果をもたらすことができます。

これらのマシンは、最初は多くのプログラミングを必要とします。 しかし、プロセスを開始すると、タスク自体のさまざまな側面を学び始めます。 機械学習は非常に多くの業界に役立つため、機械学習の将来の範囲は明るいです。

機械学習はAIの重要な分野であり、次のような複数の分野で使用されています。

• Eコマース
• ヘルスケア（読む：ヘルスケアにおける機械学習）
• ソーシャルメディア
• ファイナンス
• 自動車

などなど。

機械学習はどのように機能しますか？

機械学習では、コンピューターをトレーニングするトレーニングデータを入力します。 モデルを作成するためにデータを使用し、新しい入力を取得すると、それらを使用して予測を行います。

予測が間違っていることが判明した場合、コンピューターは正しい予測を行うまでプロセスを再開します。

お気づきのとおり、システムは予測を行うたびに学習します。 簡単な例です。

機械学習アルゴリズムは非常に複雑で、他の多くの手順が必要です。 さまざまな機械学習ツールを使用すると、データサイエンスドメインの深さを調査し、それらを実験して、完全に機能するAI/MLソリューションを革新することができます。 さまざまなツールがさまざまなニーズに合わせて設計されています。 したがって、機械学習ツールの選択は、目前のプロジェクト、期待される結果、そして場合によっては専門知識のレベルに大きく依存します。

さまざまな種類の機械学習

次の種類の機械学習があります。

教師あり学習

教師あり学習とは、特定のタスクを実行するための多くのトレーニングデータをマシンに提供することです。

たとえば、子供に赤い色を教えるには、リンゴや赤いボールなどの赤いものをたくさん見せますよね？

たくさんの赤いものを見せた後、あなたは彼に赤いものを見せて、子供がそれを学んだかどうかを調べるためにそれが何色であるかを彼に尋ねます。

教師あり学習では、同様に機械を教えます。

これは、実装するのに最もアクセスしやすいタイプのMLであり、最も一般的なタイプでもあります。

トレーニングデータでは、多くの同様の例をマシンにフィードすると、コンピューターが答えを予測します。 次に、コンピューターが正しい予測を行ったかどうかについて、コンピューターにフィードバックを提供します。

教師あり学習の例

次の情報をマシンに提供します。

2,7 = 9

5,6 = 11

9,10 = 19

ここで、マシンに次の質問をします。

9,1 =？

8,9 =？

20,4 =？

マシンの回答に応じて、より多くのトレーニングデータを提供するか、より複雑な問題を提供します。

教師あり学習はタスク固有であり、それが非常に一般的な理由です。

教師なし学習

名前が示すように、教師なし学習は教師あり学習の反対です。 この場合、マシンにトレーニングデータを提供しません。

マシンは、ラベル付けされたデータなしで結論に到達する必要があります。 教師あり学習よりも実装が少し難しいです。

これは、データのクラスタリングと異常の検出に使用されます。

上で説明した例に従って、最初に子供にさまざまな赤い色のものを見せなかったと仮定します。

代わりに、あなたは彼の前にたくさんの赤い色と緑の色のものを置き、それらを分離するように彼に頼みました。

教師なし学習はこの例に似ています。

教師なし学習の例

さまざまなニュース記事があり、それらをさまざまなカテゴリに分類したいとします。 あなたは機械に記事を与えるでしょう、そしてそれはそれらの間の共通点を検出します。

次に、見つかったデータに応じて記事をさまざまなカテゴリに分類します。

これで、マシンに新しい記事を渡すと、自動的に分類されます。

他の機械学習タイプと同様に、データ駆動型であるため非常に人気があります。

強化学習

強化学習は、他のタイプの機械学習（教師ありおよび教師なし）とはまったく異なります。

データと機械の関係は、他の機械学習タイプともまったく異なります。

強化学習では、機械はその間違いによって学習します。 マシンに、特定の一連のアクションを実行できる特定の環境を提供します。 今、試行錯誤しながら学習します。

上で説明した例では、子供にリンゴとバナナを見せて、どちらが赤いかを尋ねるとします。

子供が正解した場合、あなたは彼にキャンディー（またはチョコレート）を与え、子供が間違った答えをした場合、あなたは彼に同じものを与えません。

強化学習では、機械も同様に学習します。

強化学習の例

あなたはマシンに解決する迷路を与えます。 マシンは迷路を解読して間違いを犯そうとします。 迷路の解決に失敗するたびに、再試行します。 そして、エラーが発生するたびに、マシンは回避すべきことを学習します。

このアクティビティを繰り返すことで、マシンは迷路についてのより多くの情報を学習し続けます。 その情報を利用することで、迷路も解消されます。

強化学習の実装は非常に困難ですが、多くの業界で応用されています。

さまざまなタイプの機械学習のアプリケーション

これで、機械学習には3つのタイプがあることがわかりましたが、それらはどこで使用されていますか？ さて、次の点は同じことを明確にします：

教師あり学習

• 顔認識–画像内の顔を認識します（FacebookおよびGoogleフォト）
• スパムフィルター–コンテンツをチェックしてスパムメールを特定します

教師なし学習

• レコメンデーションシステム–バイヤー（Amazonなど）に製品をレコメンデーションします
• データの分類–より適切な編成のためにデータを分類します
• 顧客のセグメンテーション–さまざまな品質に応じて顧客をさまざまなカテゴリに分類します

強化学習

• 製造業–自動化された製造プロセスを合理化します
• ロボット工学–間違いを避ける方法を機械に教える
• ビデオゲーム–ビデオゲームのキャラクターとNPCのためのより良いAI

機械学習を使用したいですか？

機械学習は、世界で最も影響力のあるテクノロジーの1つです。 それが今日とても人気がある大きな理由です。

多くの業界ではさまざまな目的で機械学習を採用しているため、需要は日々増加しています。 機械学習と人工知能のキャリアについて詳しく知りたい場合は、機械学習とAIプログラムのIIIT-BとupGradのPGディプロマをご覧ください。