機械学習を始めるなら知っておきたいアルゴリズム5選【後編】

機械学習の代表的アルゴリズム「SVM」「k平均法」「アプリオリ法」とは？

機械学習にはさまざまなアルゴリズムがあることを知っているだろうか。代表的な機械学習アルゴリズム「SVM」「k平均法」「アプリオリ法」について紹介する。

公開 2019年12月24日 05時00分

更新 2019年12月23日 03時50分

著者

Kassidy Kelley

[TechTarget]

印刷する連載新着通知を受け取る Googleで優先するソースとして追加

　前編「機械学習の代表的アルゴリズム『線形回帰』『決定木』とは？」は、主要な機械学習アルゴリズム5種類のうち「線形回帰」「決定木」について説明した。後編は残る3種類の機械学習アルゴリズムを紹介する。

併せて読みたいお薦め記事

前編を見る

機械学習の代表的アルゴリズム「線形回帰」「決定木」とは？

AIで何ができるのか

AIのビジネス活用

アルゴリズム3．サポートベクターマシン

　サポートベクターマシン（SVM）はデータセットを分析して複数のクラスに分類する機械学習アルゴリズムだ。トレーニングデータを基にクラスを分ける「線」を見つけ、各クラスのマージン（線とクラス間の距離）を最大化するように、新たに入力したデータをクラスに分類する。

　特性上、SVMは線で明確に分離できるトレーニングデータに向いている。非常に複雑なトレーニングデータ（顔や性格特性、ゲノム、遺伝物質など）ではクラスが細分化され、特定が難しくなるため人による分類が必要になる。SVMは現在と将来のデータセットで比較的高精度の分類を実現できるため、財務分野で多く使われている。

　テクノロジーサービス企業Clairvoyantの最高技術責任者（CTO）を務めるシェカール・ベムリ氏によると、非線形データや多様なデータセットを扱う企業の間では、SVMによる画像分類が注目されている。例えば製造会社では、生産する製品の高解像度画像を撮影し、欠陥があれば品質管理担当者が画像に注釈を付ける。このようにして蓄積した大規模な画像データセットがあれば、SVMによって「生産品の欠陥を自動で識別することが可能になる」とベムリ氏は説明する。