- 今回の記事はAIやディープラーニングと混同されがちな機械学習について、それらの関係性・違いを理解できるようにわかりやすく説明します。
また機械学習を知る上で必要不可欠な用語（教師あり学習や教師なし学習、各アルゴリズムなど）に関しても、この記事を通して、きちんと整理して理解できるようになっています。
目次
- 機械学習とは
- 機械学習・AI・ディープラーニングの関係性とは
- ディープラーニングと機械学習の違いとは？
- 機械学習に使われるPythonとは？
- 機械学習は3つに分けられる
- 深層強化学習(DQN)とは
- 機械学習で使われるアルゴリズムを紹介!
- 最後に
機械学習とは
機械学習とはAIの1つの要素技術です。
多くの企業で取り組むことができる技術の１つでしょう。機械学習について理解するのに必要なことは3つあり、以下のようになります。
- データからルールやパターンを発見する方法である
- 識別と予測が主な使用目的である
- 分析の精度は100%ではないが、従来の手法より精度をあげられる可能性は高い
機械学習・AI・ディープラーニングの関係性とは
世間を賑わしているAIや機械学習とディープラーニングの違いをしっかり理解している人は多くいません。そのせいでAIを導入する際に開発側と導入側で齟齬が生まれてしまうこともあります。
3つの技術の関係性と違いを理解しておくことは、AIを導入する際の第一歩となるのできちんと理解しておきましょう。
以下の画像をご覧ください。
上記の画像から分かるように、機械学習はAIという概念に属する数々の技術の一部分であって「AI＝機械学習」ではありません。大前提として「AI > 機械学習 > ディープラーニング」のイメージは持っておきましょう。
ディープラーニングと機械学習の違いとは？
ディープラーニングは様々な機械学習の手法の中のあくまで一技術です。
機械学習とは「機械に大量のデータからパターンやルールを発見させ、それをさまざまな物事に利用することで判別や予測をする技術」のことです。両技術の違いについては以下のようになります。
機械学習
機械学習はデータの中のどの要素が結果に影響を及ぼしているのか（特徴量という）を人間が判断、調整することで予測や認識の精度をあげています。
ディープラーニング
一方、ディープラーニングはデータの中に存在しているパターンやルールの発見、特徴量の設定、学習なども機械が自動的に行うことが特徴です。人間が判断する必要がないのが画期的です。
ディープラーニングで人間が見つけられない特徴を学習できるようになったおかげで、人の認識・判断では限界があった画像認識・翻訳・自動運転といった技術が飛躍的に上がったのです。
ディープラーニングについては以下の記事を参考にしてみてください。
AI専門ニュースメディア AINOW初心者でもわかるディープラーニング ー 基礎知識からAIとの違い、導入プロセスま…https://ainow.ai/2019/08/06/174245/AINOW編集部作成AIの技術に注目が集まると同時に「ディープラーニング（深層学習）」という言葉を耳にすることが多くなった方も多いでしょう。以下の画像はILSVRCという画像認識コンテストの歴代優勝モデルのエラー率の変遷の様子をグラフ化したものです。2015年に…
機械学習に使われるPythonとは？
Pythonは機械学習で最も使われているプログラミング言語のことです。
IBMの調査によると、「機械学習における最も人気なプログラミング言語」という項目でPythonは2016年にJavaを超えて1位になるほど機械学習には欠かせないプログラミング言語となっています。
Pythonがプログラミング言語として利用されるのには以下の4つの理由が挙げられます。
- シンプルさ
- できることの多さ
- 使い勝手の良さ
- 豊富なライブラリやフレームワーク
Pythonは数学をあまり知らない初等教育の子どもでも取り組めるほどシンプルさがあります。
また、Pythonを使えば「Google」や「Facebook」などのwebサービスから機械学習・ディープラーニングまで多くのことができます。
基礎計算を高速で行える「Numpy」や機械学習のプログラミングを楽にさせてくれる「Scikit-learn」というライブラリなど、Pythonを支えるフレームワークやライブラリーが非常に充実しており、使い勝手が良いのも多くの人に利用される要因です。
以下の記事ではPythonの勉強方法の勉強方法をまとめているのでぜひ参考にしてみてください。
AI専門ニュースメディア AINOWAI開発に不可欠なPython！独学からスクールまで勉強法をまとめてみたhttps://ainow.ai/2019/09/20/175543/現在、AIの国内市場規模は3000億円にも登ると言われています。AI技術の中でも特に注目されているディープラーニングなどの機械学習技術の分野で最もよく使われているのがPython（パイソン）です。この記事はなぜPythonが選ばれるのかといった話から、Pythonを学ぶた…
機械学習は3つに分けられる
機械学習はデータのタイプや状況によって教師あり学習・教師なし学習・強化学習の3つに大きく分けられます。
教師あり学習とは
教師あり学習とは「正しいデータ」という名の教師がいて、そこに不明なデータを持ち寄った際には正解を教えてくれるというイメージです。正解となる膨大なデータを学習することで、新しいデータに対しても対応が可能です。
教師あり学習は「学習」と「認識・予測」の2段階のプロセスに別れています。
学習
正解がわかっているデータ（入力という）を元に、そのデータのルールやパターンを学習し、分析モデルとして出力します。
認識・予測
そのあとに正解がまだわかっていないデータを新たにインプットして、学習時に決められたルールやパターン（出力）を元に認識・予測をする。
この教師あり学習の代表的な手法として回帰や分類が挙げられます。また、基本的にニューラルネットワークやディープラーニングはこの教師あり学習を発展させたものになります。
教師なし学習とは
教師あり学習と違い、教師なし学習は膨大な教師データを学習しません。
代わりにデータそのものが持つ構造・特徴を分析し、グループ分けやデータの簡略化をします。
この教師なし学習の代表的な手法としてクラスタリングと次元削減が挙げられます。
強化学習とは
強化学習とは簡単に言うと「機械（マシーン）がとる行動の戦略（指針）を強化（改善）する仕組み」を学ぶ手法になります。
一連の行動をとった結果ごとに報酬を設定し、その「報酬が最大化」するように機械が試行錯誤し、学習することで精度をあげていきます。つまり自分でどんどん学習強化していくイメージです。似た例として、自転車に乗れるまでのプロセスをあげています。
例）自転車に乗れるようになるプロセス
- 乗ってみる
- 倒れる
- 乗り方を変える（強化学習の”戦略”に相当）
- 少し乗れる（強化学習の”報酬”に相当）
- さらに乗り方を変えて徐々に乗れるようになる
- この試行錯誤の繰り返しで最終的にスイスイ乗れるようになる
深層強化学習(DQN)とは
今は強化学習とディープラーニングを組み合わせた深層強化学習（DQN: Deep Q Network）が主流になっており、囲碁AI「AlphaGO」が世界チャンピオンを倒すまでに成長した一因となっています。
「DQN」は強化学習の一手法である「Q学習」と「ディープラーニング」を組み合わせた手法です。
「ディープラーニング」を利用すると「Q学習」が次の行動の「方針」の決定する際に最善の行動を取れるようになり、学習時のコストや時間を多く削減することができます。
普通の強化学習（およびQ学習）が次の「方針」を決定する根拠は基本的にランダムなので、もし方針の選択パターンが多い場合には学習コストが膨大になりやすいです。それを改善した手法が「DQN」なのです。
機械学習で使われるアルゴリズムを紹介!
機械学習ではアルゴリズムを使用してデータを分析します。機械学習のアルゴリズムを選定にはscikit-learnのチートシートやマイクロソフトのチートシートを参考にするといいです。
機械学習のアルゴリズムは大きく分けると以下の5つのカテゴリーに分けられます。
- 分類（教師あり学習）
- 回帰（教師あり学習）
- クラスタリング（教師なし学習）
- 次元削減（教師なし学習）
- 異常検知
これから紹介するアルゴリズムと上記で紹介した教師あり学習などを１つにまとめると、以下のような画像になります。
ここで紹介しているのはあくまで一例で、例えばランダムフォレストは回帰やクラスタリングでも使える場合もあるなど、この仕分けは絶対的なものではないことは心に留めておいてください。
分類
分類とは分析したいデータが属するカテゴリーやクラス、種類が何なのかを判定する手法です。
機械学習のうちの「教師あり学習」の１つで「犬」や「猫」などのラベルの情報や「購入」「非購入」といったカテゴリーの情報などを分類・予測する場合の学習方法として分類が使用されます。
ランダムフォレスト
代表的な手法の１つにランダムフォレストという決定木を利用した手法があります。
決定木とは閾値を設定して分類する方法です。
樹木形をした以下のグラフのようなのものです。リスクマネジメントをはじめ、何かしらの決定をする際に利用されます。
ランダムフォレストは複数の決定木で出た結果を用いて多数決をとって最終的な結果を出力する仕組みをとっています。
この手法を使うことで、精度の悪い決定木があったとしても全体としての精度を守ることができる仕組みになっています。以下の画像がそのイメージです。
ロジスティック回帰
ロジスティック回帰は、医学の分野で開発された分析手法です。
「がんにかかる確率」といった「確率」を回帰分析で分析しても時には”-0.2″, “1.4”のように0から1の範囲を超えた分析結果を出してしまうこともあります。確率が”-0.2″というのは感覚的に違和感を感じると思います。このような時にロジスティック回帰を利用します。
線形回帰という手法を応用したもので、名前に回帰とついているのですが、実際は分類問題に使用される手法です。
つまり基本的には目的変数が「Yes（＝１）」か「No（＝０）」のどちらかに分類できるような問題を扱うということです。
この手法では量的変数（数字で表せるもの）から質的変数（“好き・嫌い”など数字では表しにくいもの）を推測するのですが、この時に変数の値を予測するのではなく、目的変数が”１”になる確率を予測します。
そのため重回帰分析などで1以上の数値や、マイナスの値が出てわかりにくかった場合でも、ロジスティック分析では必ず０から１の範囲で確率がわかるので分析結果を見たときに理解しやすくなるのです。
サポートベクターマシン（SVM）
サポートベクターマシン（SVM: support vector machine）は分類・回帰の両方に利用可能な教師あり学習です。
非線形な識別をするための実装が容易なため、識別能力が高く、精度が良い分析結果を出してくれることから人気の高いアルゴリズムになっています。
サポートベクターマシンはデータ分布を複数のクラスに明確に分けるために境界を引く手法で、イメージは以下の画像です。
回帰
回帰とは
回帰とは機械学習のうちの「教師あり学習」の１つで、「売り上げ」や「成長率」といった数量を扱う場合の学習方法です。例えば、過去の顧客データから新しい客が今後何回訪れるのかを予測するといったことです。
線形回帰
線形回帰は非常にシンプルな手法で、「散らばっているデータの分布を代表して、１本の直線を使って表現する手法」ということから線形回帰と呼ばれています。
イメージとしては以下の画像のようになります。
サポートベクターマシン
分類のパートで既に紹介したのであまり深くは説明しないですが、分類と回帰では計算方法は大きく異なるため、同じSVMといっても異なる部分が多いです。
回帰問題におけるSVMでは、SVM分析に本当に必要なデータ（サポートベクトルという）のみを上手に利用するという考えの下で予測結果の誤差をどう解釈するのかといった工夫をすることがあります。
サポートベクター回帰（SVR）
サポートベクター回帰（Support Vector Regression）はサポートベクターマシンの回帰版で、多くの変数を含んだ非線形な問題を解決することができる手法です。
SVMがマージンの最大化と誤推計サンプルを減らすやり方で学習するように、SVRでは重みの最小化と誤差の最小化で学習します。
誤差の小さい部分を無視することで、分析結果のロバスト性を向上させています。
Elastic Net
Elastic Netはラッソ回帰とリッジ回帰という２つの手法を合成した手法です。
ラッソ回帰もリッジ回帰も機械学習でしばしば起きる過学習を防ぐために行う正則化という方法を適用した機械学習で、それら２つを合わせたElastic Netはロバスト性も、予測性能も高い手法になっています。
クラスタリング
「クラスタリング」とは分類の延長上にある手法で、「似たデータの集まりを機能やカテゴリごとに分けて集める」代表的な教師なし学習手法です。
イメージとしては以下の画像のようなものです。
データの全体集合をクラスタという部分集合に分けることであり，内的結合と外的分離の性質を持ちます。クラスタリングでは基本的に何かしらの指標で近い距離にあるもの同士を１つのクラスタと見なすことが多いです。
クラスタリングのアルゴリズムには階層クラスター分析と非階層クラスター分析の2種類があります。
階層クラスター分析
階層クラスター分析は階層構造のある分類方法です。最も似ているデータの組み合わせからクラスタ（ひとまとまり・グループ）に分けていく方法です。
また出力されたクラスターを樹形図で見ることもできるますが、大量のデータを分類することには向いていないため、対象の少ないデータに実行するのに有効です。
ここではWard法と群平均とについて説明します。
Ward法
Ward法では既にあるクラスタのうち、一番近い２つのクラスタを合わせることでクラスタリングします。データ全体がバランスよく分類されやすいので、比較的よく利用されています。
群平均
2つのクラスタ内のデータ同士の距離を比較して、クラスタ間の距離を定める手法です。
この方法を利用することで鎖効果という余分なクラスタが生まれてしまう現象を防止できるのです。以下の画像がイメージ図です。
非階層クラスター分析
非階層クラスター分析は階層構造のない分類方法です。
事前にクラスター数を決めておき、その数だけのクラスタにデータを分類します。階層クラスター分析に比べて、ビッグデータなどの大量のデータに実行するのに適しています。
ここではk-means法について説明します。
K-means法
k-means法とは、「クラスターの平均（means）」を用い、あらかじめ決められたクラスター数 “k” 個に分類する」ことに由来しています。
以下のサイトがk-means法の動作原理を可視化してわかりやすいので参考にしてみてください。てっく煮ブログK-means 法を D3.js でビジュアライズしてみたhttp://tech.nitoyon.com/ja/blog/2013/11/07/k-means/クラスタリングの定番アルゴリズム K-means 法（K平均法）の動作原理を理解するために、D3.js を使って可視化してみました。ステップ 最初からN (ノード数):K (クラスター数):新規作成図をクリックするか ボタンを押すと、1ステップずつ処理を行います ボタンを押す…
k個のベクトルを利用することから始まり、ベクトルを調整しながらデータを分類していきます。ちなみにデータ分析のソフトウェア大手であるTableauの分析の一部にもk-means法は利用されています。
次元削減
機械学習でも特徴量が不必要に多すぎると、いわゆる「次元の呪い」という現象が起こり、精度が悪くなることがあります。次元削減はデータの次元（特徴量の数）を減らす手法です。
次元削減を行う目的は主に以下の二つで、ここでは主成分分析（PCA）について紹介します。
データの圧縮
データの可視化
主成分分析（PCA）
主成分分析（PCA: Principal Component Analysis）とは、できるだけ元の情報を失わないようにしながら、ばらつきのある多次元のデータをより少ない次元に圧縮して表現する手法です。つまり、クラスター分析のように多数のデータを「グループ分け」して全体の見通しを良くする方法です。
異常検知
異常検知とは機械の故障やデータ分析の外れ値を検知・推測する際に利用する手法です。
異常検知は、データセット内の他のデータと一致していない観測結果や期待されるパターン等をデータマイニングなどで識別することを言います。また外れ値検知という異常検知では正常時では生まれない外れ値を見つけ出すために機械学習が使われたりします。ここでは3つ紹介します。
k近傍法
k近傍法はデータ間の距離を利用して分類、異常検知をする手法です。
新しいデータや判別したいデータに対して、あらかじめ決められたk個のデータが作る範囲内と多数決の原理を利用して分類をします。kの値に大きく影響されるのが特徴です。
主成分分析
主成分分析は次元削減のパートで紹介されているので説明は省略しますが、
主成分分析を利用することで、異常値（外れ値）をデータの値が完全に消失しない程度に他の軸に代表してもらい、他のデータの値に近似させる方法で外れ値を実質的に無くします。
One-class SVM
One-class SVMは文字通り、SVMの手法を応用して識別境界を設定して、通常値と外れ値を識別する外れ値検知のための手法と言えます。
異常がなかなか発生せず、異常データが集まらないような状況でも異常検知を行いたい場合には有効な手法と言えます。
最後に
今回は機械学習についてとことん細分化してみました。
要約すると、機械学習は教師あり学習、教師なし学習、強化学習に分けられ、教師あり学習の中に分類、回帰という種類があり、教師なし学習の中にクラスタリング、次元削減という種類がある、という様に細分化できます。
ここで紹介されているアルゴリズムはあくまで一例なので興味がある方はさらに調べてみてください。
ディープラーニングと違い、機械学習は多くの企業でも使える可能性が高い技術なため、ぜひ導入を検討してみてください。
IT業界の現場の真実 