2021年02月19日
近年よく耳にする機械学習(machine learning)。しかしその厳密な意味や違いはぼんやりとされがち。そこで機械学習の全体像を捉えてみよう！
それぞれの種類とその特徴も見て行きます！
このように、機械学習はAIの中の１つであり、機械学習の括りの中にニューラルネットワークさらにはディープラーニングを含んでいる。
AI(人間の知的行動を機会に模倣させること)の中の
機械学習(機械に”学習”させ、タスクを遂行させる)である。
機械学習はデータの意味を理解するための
アルゴリズムの応用とその科学である
これを機械学習とは？に対する答えの1つと我々は考える。
ではそのアルゴリズムとはいかなるものか、という新たな質問が出てくる。そこで機械学習を大きく分類してみる。
ぼんやりとしたイメージを持たれがちな機械学習、実は以下の3つに分類することができる
巷で話題のニューラルネットワークもディープラーニングも、分類手法で有名なサポートベクターマシンやk-平均法も、具体的な例ではSiriなどの音声認識技術やAlphaGoなどのコンピュータ囲碁プログラムも、すべてこの中の手法の1つであるのだ！
そこで我々が理解する必要があるのは、
3種類の機械学習の違いを認識し、解きたい問題に対し適切なアルゴリズムを見極めること！
答えがラベル付けされたトレーニングデータからモデルを予測→未知の将来データを予測
というもの。
この予測とは具体的には何か？
分類は
このデータはクラスA、これはクラスB、というように結果が離散値で得られる。
一方、回帰は
Aの場合は104.54円、Bの場合は104.67円というように結果は連続値で得られる。
作成したモデルに対して答えがわかっているトレーニングデータ(教師データ)を使ってすぐにモデルの修正ができる利点がある。
ただ、答えがわかっているデータを集めないといけないのは言うまでもない。
ニューラルネットワークもこの教師あり学習の部類です。
教師なし学習の最大の特徴は学習時に答え(=教師、トレーニングデータ)を必要としない点である。
つまり、構造がよくわかっていないデータから構造を見いだしてくれる。見えないデータを見えるように分類するのだ。
ただ、答えがわかっていないため、得られたものが妥当かどうかをフィードバックすることはできず、人間がチェックする必要がある。
強化学習は文字通り、自身の行動を強化していくという学習なのである。
強化学習で重要な概念は、エージェントと環境そして報酬である。
エージェントは行動や戦略を決定するもの。
エージェントに含まれないその他すべてを環境と言う。
エージェントの行動に環境がリアクションする。このリアクションが報酬である。
エージェントは得られた報酬を最大化するようまた新たな行動を学習していく。
機械学習とは
データの意味を理解するためのアルゴリズムの応用とその科学である！
機械学習の全体像を掴むために教師あり学習・教師なし学習・強化学習の3つに分類してそれぞれの特徴をまとめた。
個々のアルゴリズムを学習する時はどのタイプかを意識しましょう！
コントラは最高のFXアプリを
目指して誠意開発を続けております。
機能の要望や、不具合などありましたらご遠慮なくヘッダーの問い合わせ、フィードバックからご連絡ください。またツイッターからでも大丈夫です！
皆様のFXトレードのお力になるFXアプリを目指しますので、これからもよろしくお願いいたします。
プログラミング知識不要。
FX戦略アプリ
アプリ版のダウンロードはこちら
