機械学習における教師なし学習とは？ディープラーニングとの関係と応用

​「回帰」は、数値や実数の予測に用いられるものです。連続する数値や過去のデータなどから、関係性や傾向を学習し、未知の結果を予測します。例えば、前年の同月と前月の売り上げに加え、売り上げに影響し得る指標を学習させます。それらのデータをもとに、今月の売り上げを予測し、企業の事業戦略に活用する方法があります。ほかにも、サーバーの記録を学習させて、異常も検知できます。

「分類」は、カテゴリやクラスの判別に用いられるものです。過去のデータからカテゴリのわけ方を学習し、未知のデータが、どのカテゴリに分類されるのかを判別します。例えば、迷惑メールと迷惑メールでないものにわけたデータを学習させると、新しく受信するメールが、どちらに分類されるのかを判別できるようになります。

ほかにも、動物の情報を教えるモデル作りでは、入力する画像データに対して、Aの画像は「プードル」、Bの画像は「ビーグル」と学習させると、分類ができるようになります。

クラスタリングの「クラスタ」は集団や群れという意味で、未知のデータを、特徴が似ているものに分類し、グループ化する手法のことです。例えば、この手法はダイレクトメール配布に活用ができます。

具体的には、年齢、性別、居住地、購入履歴などのデータにおいて、クリスタリングをします。それらをグループにわけて、それぞれのニーズに応じたDMを配布します。

分類とクラスタリングとの違いは、学習データにあらかじめ答えがあるかどうかです。分類には、未知のデータがどのグループに属するのか、あらかじめ答えがあります。一方で、クラスタリングは、未知のデータから、それぞれの特徴を学習し、類似性をもとに、データのグループわけをします。受信メールを例にすると、答えがあるデータをもとに、文章の特徴からどのグループに該当するのかを予測するのが「分類」、答えがないデータから文章の特徴を学習し、特徴の類似性でメールのグループわけをするのが「クラスタリング」です。

主成分分析は、データが持つ、さまざまな要素をまとめたり、データの量を減らしたりすることで、「特徴＝主成分」を抽出する分析手法のことです。例えば、国語や算数、理科などの教科の成績をもとに、理系能力と文系能力の主成分を抽出し、どちらが高いのかを判定できます。

ほかにも、体重と身長から、肥満度を測るためのBMIを導出するなど、人間のさまざまな情報から、目的となる情報を抽出するのも、主成分分析に該当します。​

自己組織化マップ(Self Organizing Maps)は、人間の脳の仕組みをモデル化した手法です。さまざまなデータを入力し続けることで、徐々に類似性の高い集団ができます。そして類似度によって、マップ上の距離によりデータを配置し、データを視覚的に理解できるようにします。自己組織化マップは、交通事故の発生を予測する際にも活用できます。

具体的には、交通量や速度、渋滞の度合いなどの車両情報や、雨量や風速といった気象情報などをもとに予測します。​

ベクトル量子化とは、複数のデータをまとめて符号化する手法で、主に音声信号や画像の圧縮に活用します。ベクトル量子化は、ベクトルの次元を増やすと、少ない符号長での量子化が可能になります。

しかし、次元が増えると、計算量が増えてしまう特徴があります。それを解決する手段として、「Linde-Buzo-Gray法」や「TwinVQ」などが提案されています。​

強化学習の実用例として、「アルファ碁（AlphaGo）」があります。アルファ碁とは、人工知能を活用した、コンピューター囲碁プログラムです。大量の棋譜データを機械に読み込ませて、コンピューター同士を戦わせて学習させます。​

そして、勝ったほうに報酬を与えると、最大の報酬を得られる方法をコンピューター自身が見つけ出します。実際に、アルファ碁は短い期間でたくさんのことを学習し、2016年には、世界最強の棋士に勝った実績があります。​

ニューラルネットワークは、人間の神経細胞「ニューロン」の仕組みを参考につくられ、入力層、隠れ層、出力層で構成されています。入力層で外部からデータを読み込み、隠れ層でデータの特徴を学習します。最後に出力層から、分析結果を出すという仕組みです。
​隠れ層を多層化させることで、複雑なデータであっても学習ができます。実際に、ディープラーニングは、100以上もの隠れ層を持つ場合もあるのです。

音声認識とは、人間が発する言葉を、機械が認識する技術です。人間の声に反応して学習する「スマートスピーカー」や、iPhoneに搭載されている音声を、文字に変換する「Siri」などが音声認識に該当します。

ほかにも、発言した人と内容を自動的に議事録に残す「Gridspace」というサービスなど、さまざまな新しいサービスが生まれています。​

画像認識は、画像や動画などのデータを読み込んで、それらの情報を学習し、目的物を認識、検出する技術です。自動運転において、標識や信号機の認識、歩行者の検知に活用されています。また、防犯カメラの顔認識は、犯罪を防ぐためにも使われています。

異常検知は、読み込んだデータのなかから、他のデータとは異なるデータを識別する技術です。クレジットカードの不正利用防止や、製造現場においては、過去の故障データによる不良品の検知に活用されています。さらに、Webサービスへの不正アクセスの検知にも役立っています。​