機械学習とは

機械学習とは、大量のデータからルールやパターンを発見し、それを応用することで、判断や予測を行う技術です。機械学習は、AI（人工知能）の要素技術であり、基本的には統計分析の手法を用いています。

類似の言葉にデータマイニングがあります。データマイニングの目的は、大量のデータからルールやパターンを発見することで、機械学習の目的は、それを利用し判断や予測を行うことです。両者は同じほぼ技術が用いられます。

以下で機械学習の主な技法について説明します。

決定木

決定木（decision tree）とは、決定を行うための予測モデルで、意思決定を助けるすることを目的としている。

例えば、コンビニのある商品の売れ行きが、天気（晴、雨）、気温（高い、低い）、曜日（平日、休日）で異なる場合、店長は仕入れる数量を条件によって増減させる必要があります。このとき、天気・気温・曜日は独立変数として、８つのケースに分けて、仕入れの増減の決定を行うことになります。

決定木のアルゴリズムには、C4.5、CARTなどがあります。

ニューラルネットワークとは、脳機能の特性に類似した数理的モデルです。ニューロン（神経細胞）とシナプス（ニューロンの接合部分）からネットワークを形成し、学習によってシナプスの結合強度を変化させ、問題解決を行います。

ニューロンを配置する層は、入力層、中間層、出力層に分かれており、中間層が２層以上の場合を、ディープラーニングと呼びます。

入力データに対し、期待した出力が得られるよう、シナプスの結合強度を変えることを「学習する」と言います。

サポートベクトルマシンとは、与えられたデータを分類する、つまり境界を設定するするための技法です。

通常は、この境界は線形図形で表されます。例えば、２次元（平面）上のデータを分類する場合は直線で、３次元（空間）内のデータは平面で分離されます。一般的には、超平面が境界となり、以下で表すことができます。

$$ax+by+cz+･･･+d=0$$

ｘ、ｙ、ｚは空間軸を表し、データが分布する空間の次元の数だけ存在します。ａ～ｄは係数です。各データと超平面との距離を計算し、その合計（マージン）が最大となる条件により、係数が求められます

データクラスタリングとは、与えられたデータをいくつかの集団（クラスタ）に分類するための技法です。簡単に言えば、距離が近いデータは同じクラスタに分類され、距離が遠いデータは異なるクラスタに分類されます。

重心法の場合は、クラスタの中心（重心）と各データとの距離の合計が最小になるように、そのクラスタに入るデータを選択します。

データクラスタリングのアルゴリズムには、ウォード法、Ｋ平均法などがあります。

ベイジアンネットワークとは、各事象（確率変数）の因果関係を確率により記述するネットワークモデルで、複雑で不確実な事象の起こる可能性を予測することができます。

例えば、事象 $A,B,C$ の因果関係を、$A\to C$、$B\to C$ とする。事象 $A$ が起きる確率を $P(A)$ 、$A$ が起きて $C$ が起きる確率を $P(C|A)$ とすると、$C$ が起きる確率は以下で表すことができます。

$$P(A,B,C)=P(C|A,B)P(A)P(B)$$