今回は、「機械学習の種類」を中心に、詳しく解説していきます。
機械学習とは
機械学習は、データサイエンスとアナリティクスの領域で、すべての開発者に人気のあるトピックです。
機械学習の分野では、データ値に対して予測を行い、現実のシナリオを解決するための様々なアルゴリズムが提供されています。
例えば、これまでのデータから、これからの天気予報を知りたいと思ったとき、機械学習アルゴリズムを使ったデータ予測によって、簡単に知ることができます。
ビジネス上の問題を解決できるようになり、ビジネス・アナリティクスでは需要予測を簡単に手に入れることができるようになったのです。
この記事もチェック：知っておきたいPythonの機械学習アルゴリズムTOP5
機械学習アルゴリズムの種類
機械学習では、データ変数の種類に応じて、以下のような種類のアルゴリズムが用意されている。
- 教師あり機械学習
- 教師なし機械学習（Unsupervised Machine Learning
- 半教師付き機械学習
- 強化型機械学習
以下、1つ1つ見ていこう。
1. 教師ありML
Supervised Machine Learningアルゴリズムでは，通常，数値データとカテゴリデータの両方を扱う．ラベル付けされた入力データをモデルに与え、さらに与えられた学習データの出力もモデルに与える。
ここで、アルゴリズムは入力データと過去の出力データから学習し、データのパターンを検出し、テストデータに対して予測を行う。
Supervised ML のうち，数値に依存するデータを扱うアルゴリズムを回帰アルゴリズム， カテゴリデータを扱うアルゴリズムを分類アルゴリズムと呼びます．
2. 教師なし機械学習（Unsupervised ML
教師なし機械学習アルゴリズムでは，モデルにはラベル付けされたデータ値が与えられない．つまり，モデルはラベルの付いていないデータを受け入れ，そのデータから類似した特徴を検出し，それらをまとめて一つのカテゴリーに分類する．
学習データの出力がモデルに与えられることはない。
ここでは、モデルは方程式や相関関係等を通じて、基礎となるパターンを発見することで自ら学習します。
教師なし機械学習アルゴリズムは、クラスタリングや関連付けの問題などを解決します。
3. 強化学習(Reinforcement ML)
強化学習では，モデルは試行錯誤によって学習する．つまり、エージェントと呼ばれる機械部品が含まれており、試行錯誤を模擬的に学習します。
モデルは試行錯誤の結果を、試行から得たモデルの行動や学習に基づいて、報酬や罰則で強化します。
4. 半教師付き機械学習（Semi-Supervised ML
半教師付き機械学習では，モデルに供給されるデータは部分的にラベル付けされ，同様にラベル付けされていない．半教師付き機械学習はカテゴリ依存の変数からデータを抽出し，分類やクラスタリングに利用される．
ラベル付けされたデータとラベル付けされていないデータの両方を入力として受け取り、さらに学習済みデータの出力も受け取り、そのパターンから学習し、特定の予測に帰結させる。
まとめ
ここまでで、このトピックは終了です。
何か疑問があれば、お気軽にコメントください。
Pythonによる機械学習に関連する他の記事については、私たちにご期待ください。
それでは、Happy Learning !
この記事もチェック：Pythonで機械学習をライブラリや概要をまとめてみた