概要
大量のデータから規則やパターンをコンピュータ自身に学ばせ、予測や分類を行わせる手法。
詳しい解説
機械学習(ML)は、人間がルールを逐一プログラムする代わりに、データからパターンをコンピュータ自身に学習させる手法です。を実現する中心的な技術であり、大きく3つに分かれます——正解ラベル付きデータで学ぶ、正解なしで構造を見つける、試行錯誤で報酬を最大化するです。学習に使うデータをと呼び、その質と量が性能を大きく左右します。学習しすぎてデータの丸暗記に陥るは代表的な失敗例です。
💡 青い破線の用語にカーソルを合わせる(タップする)と、その場で簡単な説明が表示されます。
具体例・活用シーン
迷惑メールフィルタ
過去の「迷惑」「通常」と分類されたメールから特徴を学習し、新しいメールを自動で振り分けます。これは典型的な教師あり学習の応用です。
関連用語
教師あり学習
入力データと正解ラベルのペアを使ってモデルを訓練し、未知のデータの予測を行う学習方法。
教師なし学習
正解ラベルのないデータから、隠れた構造やグループ(クラスタ)を自動的に見つけ出す学習方法。
強化学習
エージェントが環境の中で試行錯誤し、報酬を最大化する行動を学んでいく機械学習の枠組み。
訓練データ
モデルを学習させるために使うデータ。質と量が、最終的なモデルの性能を大きく左右する。
過学習
訓練データに過剰に適合し、未知のデータに対する予測性能(汎化性能)が低下してしまう現象。
ニューラルネットワーク
人間の脳の神経細胞(ニューロン)の仕組みを模倣・着想源とした、機械学習の数理モデル。
この説明に誤りや改善点を見つけましたか?
✏️ この説明を改善提案する