AIを勉強していると、教師あり学習、教師なし学習という言葉をよく聞きます。
教師あり？
教師なし？
どうゆうこと？
簡単に言うと、教師ありはAIが正解を教えてもらいながら学習する方法
教師なしは、AIが正解を与えられないで学習する方法のこと
⚫︎教師あり学習
教師あり学習は、AIが正解を教えてもらいながら学習する方法です。
わかりやすいのが、猫の画像認識を学習させる場合
まず、たくさんの猫の画像をAIに読み込ませます
１００枚とか１００００枚とか
そうする事で、AIが猫の画像の特徴を学習する事ができます。
他には、スパムメールの自動分類もAIが使われており、教師ありのAIです。
スパムメールのサンプルをたくさん読み込み、パターンを覚えさせます。
教師ありの手法は主に
・回帰
・分類
の２つ
回帰は、数値の連続性から値を予測する、例えば気温とおでんの売り上げ予測
分類は、猫か犬かわけるような、クラス分け、丸かバツかも分類です
⚫︎教師なし学習
教師なし学習は、AIに正解を与えないで学習させる方法です。
正解を教えないと無理なのでは？
と思ってしまいますが、
教師なし学習は、データの中からパターンを見つけ出す事で、予測をするやり方です
例えば、商品の売り上げデータから、似たような商品をグループ分けすることができます。
与えられたデータから、規則性を見つけ出す事で学習するのです
教師なしの手法は主に
・クラスタリング
・次元削減
の２つ
クラスタリングは、与えられたデータを自動で共通の特徴を持つグループに分けます
例えば、データから女性向け、男性向けの商品を自動で分けたり
次元削減は、データの特徴をあえて少なすする方法です
多すぎる特徴はかえって混乱を生みます
あえて、特徴を減らす事で学習をしやすくします。
例えば、猫の画像認識をやらせる場合、
猫の特徴を100個も抜き出しても、逆に混乱します。
耳の大きさ、目の位置、毛の色、の３つだけの特徴に減らす事で学習しやすくします。
まとめ
教師あり学習は、正解を教えてもらいながら学習する方法
教師なし学習は、正解を与えないで学習する方法
教師ありの手法は、回帰と分類
教師なしの手法は、クラスタリングと次元削減
コメント