教師なし学習とは？機械学習の一種について
教師あり学習と教師なし学習の違い
機械学習は、データを元に予測や分類を行います。その中でも、データにラベルと呼ばれる正解の答えを与える教師あり学習と、ラベルのないデータから自己学習を行う教師なし学習があります。
教師あり学習では、正解ラベルを与えることで、その正解を目指して学習を行います。一方、教師なし学習では、ラベルがないため、データ自身が持つ相関関係を見つけ出し、分類やクラスタリングを行います。
教師なし学習の代表的な手法
教師なし学習には、代表的な手法がいくつかあります。ここでは、その中でも最も知られたクラスタリング手法であるk-means法と、異常検知手法であるOne-class SVMについて説明します。
・k-means法
k-means法は、データをk個のクラスタに分類する手法です。まず、k個のクラスタの中心点をランダムに決定し、各データを近い中心点に分類していきます。その後、各クラスタの中心点を再計算し、再度各データを最も近い中心点に分類します。この過程を繰り返し、各クラスタの中心点が変化しなくなったら学習を終了します。
・One-class SVM
One-class SVMは、異常検知に用いられる手法です。異常なデータは、正常データから大きく外れた場所に存在するため、正常データの分布を把握し、異常なデータを判定することができます。未知のデータが異常か否かを判定するため、学習データには異常データを含めません。正常データだけで学習を行い、未知データが正常か否かを判定します。
教師なし学習の活用例
教師なし学習は、ビッグデータの中から有用な情報を抽出することができるため、データ分析やマーケティング分野での活用が進んでいます。
例えば、顧客データから教師なし学習を用いてクラスタリングを行うことで、顧客の属性や嗜好に基づいて、ターゲットに合わせたマーケティング施策を打つことができます。また、不正アクセスの検知や異常取引の発見にも使われています。
まとめ
教師なし学習は、ラベルのないデータから相関関係を見つけ出し、分類やクラスタリングを行う手法です。k-means法やOne-class SVMなどの手法があり、データ分析やマーケティング分野での活用が進んでいます。今後ますます注目される技術であり、その可能性は広がるばかりです。
参考記事
合わせて読みたい
【Google Chrome】右クリックで翻訳がでなくなった時の対策方法の決定版