基本的な仕組みを知る
データサイエンティストに縁遠い人のための「機械学習」入門
機械学習はより洗礼された意思決定において、有益なデータを抽出する最適なツールになり得る。機械学習がどのように情報を予測しているのか、基本的なアルゴリズムや仕組みについて紹介する。
機械学習は、ビッグデータを活用して企業経営にインテリジェンスを持ち込むときの鍵となる。ただ、機械学習のアルゴリズムは魅力的ではあるものの、この技術は急速に複雑化している。われわれ全員がデータサイエンティストになる必要はないが、IT担当者は機械がどのように学習するか、しっかり理解していなければならない。
併せて読みたいお薦め記事
「機械学習」はどう使われる?
データサイエンティスト活用
アルゴリズムの謎を解く
有益なパターンの抽出やそれに基づく予測など、機械学習の実用的で実現可能な目的は次第に見えてきた。しばしば、そうした予測モデルは進行中の意思決定プロセスを最適化するための経営プロセスに用いられる。だが、機械学習は戦略的意思決定に不可欠な洞察や情報も提供する。
機械学習の基本的な考えは、特定の入力データが与えられたとき、一定の確率の範囲内で出力値を予測できるようにアルゴリズムを鍛えることだ。今日の機械学習技術は、帰納的手法であり、演繹(えんえき)的手法ではないことに留意しよう。すなわち、確率的相関性を導くものであっても、絶対的結論をもたらすものではない。
そうしたアルゴリズムを構築するプロセスは、予測モデリングと呼ばれる。いったん自分のデータでそれらのモデルをマスターする。そうすることで、時々オリジナルのデータを直接検証したり、あるいは何か重要なものを予測するための新しいデータにそのモデルを適用したりといったことが可能になる。一般的に、モデルからの1つのアウトプットは、何かの分類であったり、予想される結末であったり、隠された関連性や属性を示すものや予測値であったりする。
典型的に、機械学習技術はラベルや色、所属あるいは性質といった何らかの分類を示す値を予測する。例えば、その対象は囲い込むべき顧客グループに属するか、何かを購入する可能性のあるグループに属するか、あるいは特定のオファーに好意的に反応する可能性のあるグループに属すかなどである。
量的な推定や連続的尺度における値に注目する場合、予測は数値の形式をとる。このように出力形式が最適な学習手法を決定し、モデリングの品質を判定するときの測定値に影響を及ぼす。
誰が機械学習手法を指導するか?
機械学習手法には、教師付き学習と教師無し学習の2種類がある。その違いは、アルゴリズムが勝手気ままにふるまうかどうか、ではない。実際の有効な結果が含まれるトレーニングデータを基に学習するのかだ。すなわち、あらかじめ決められ、データセットに追加されている情報から指導を受けて学習するのか。あるいはそうではなく、与えられたデータセットの中だけで自然なパターンを発見するのかである。ほとんどの企業は予測モデリングを用い、トレーニングデータによる教師付き学習手法を利用して、決められたインスタンス(電子メール、個人、会社、取引など)が
- 興味深いカテゴリーに属すのか
- スパムなのか
- 見込み客からの連絡なのか
- 信用できるインスタンスなのか
- フォローアップのオファーに反応するか
などの予測を目指している。
教師無しの機械学習手法は、われわれが何かを始める前、正確に何を探し求めているかが分からないとき、新しい視点を提供してくれるものだ。教師無し学習は、データ間の関連性を示すクラスタリングチャートや階層チャートを作成し、どのデータフィールドが独立的か従属的かを示す。あるいはデータを説明、要約、一般化する法則を発見してくれる。そしてそれらの洞察は、より優れた予測モデルの構築に役立てることができる。
この辺りは、本格的なデータサイエンスのほんの初期段階にすぎない。機械学習モデルを構築するということは、反復訓練であり、データの精査と検証が要求される。データサイエンティストの力を借りることなく自動化に取り組めるツールや「ガイド付き」のモデリングツールも登場している。だが、そうした製品はよく知られた一般的な産業領域で効果を発揮するものがほとんどだ。本当の差別化を目指すのであれば、自分自身の手で取り組むことが重要となる。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
プレミアムコンテンツ
[アイティメディア株式会社] AI活用を成功に導く「オブジェクトストレージ」 NAS/SANの限界を突破するには -
プレミアムコンテンツ
[アイティメディア株式会社] 「性能ならSSD」「大容量ならHDD」はもう古い? 変わるストレージの常識 -
プレミアムコンテンツ
[アイティメディア株式会社] 「オンプレミス回帰」がまさかの失敗に クラウドをやめずに安くする最適化手法 -
事例
[発注ナビ株式会社] AI活用を成功させる企業とそうでない企業の違いとは? -
製品レビュー
[発注ナビ株式会社] システム開発「はじめの一歩」 押さえておきたい基礎知識と失敗を防ぐ方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
SAP移行で1900億円の赤字 「ベンダー任せ」が招くERP崩壊と回避策
-
2
「VMware vCenter」でゼロデイ悪用、PHPも修正――今朝の情シスニュース
-
3
「Copilot利用率99%」デンソー驚異の定着術 3万人を動かした“社長賞”の舞台裏
-
4
「GPT-6.1 Terra」は半額 それでもなぜ企業はAIモデルを選べないのか?
-
5
「nginx」のHTTP/2脆弱性(CVSS 9.2)、パッチ適用までの緊急チェックリスト
-
6
積水化学工業が「SAP S/4HANA Cloud」の“全グループ導入”に踏み切った訳
-
7
AIに長文を入力する際の「コンテキストウィンドウ」の適切な扱い方はどれ?
-
8
“アジャイルの壁”に挑むオリックス生命がIBMの開発管理ツールを選んだ理由
-
9
「Chrome」「Edge」「Firefox」のメモリ使用量はどれだけ違う? 測定してみた
-
10
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
SCS評価制度時代の「SASE選定」ガイド
-
3
Microsoft 365 Copilotを安全&効果的に活用するために必要な「2つの準備」
-
4
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
5
パスワード管理だけで十分? 特権アクセスを脅かす暗号鍵の放置リスクとは
-
6
すぐ分かる「AWS WAF」ガイド:特徴・運用課題・メリットを解説
-
7
マンガで解説:情シスの負担を減らす「MDRサービスのインシデント対応」の中身
-
8
「Copilot Cowork」でこう変わる AIエージェント時代の新たな働き方とは
-
9
AI活用で激化する外部・内部リスク、取引先へ波及する脅威から守る対策とは?
-
10
Microsoft 365 Copilotで実際何ができる? 回答の精度を高めるRAGとは?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー