機械学習アルゴリズムは、あらかじめ決められた方程式をモデルとして仮定せずに、データから直接情報を "学習" する計算手法を使用します。学習に使用する標本の数が増えるにつれて、徐々にパフォーマンスが向上します。

機械学習アルゴリズムは、金融工学 (格付け、アルゴリズム取引)、画像処理およびコンピューター ビジョン (顔認識、物体検出、物体認識)、情報生命科学 (腫瘍検出、創薬、DNA シーケンシング)、エネルギー生産 (需要と価格の予測)、自然言語処理、音声認識と画像認識、広告システムと推薦システムなどの用途に使用されます。

機械学習はデータ解析には不可欠な要素であり、優れた設計や意思決定を行う際のデータ駆動型の洞察を得るためのものです。

多くのデータ解析アプリケーションでは、機械学習モデルが Web またはデータベースに展開されたり、オンデマンド解析のエンタープライズ システムに統合されています。

機械学習とは何か?分類、回帰、クラスタリングの違いとそれぞれの手法とは?といった機械学習の概要を簡単にご紹介します。

分類

データをさまざまなカテゴリに分類するモデルを構築します。これにより正確な解析とデータの可視化がしやすくなります。

分類は、格付け腫瘍検出および顔認識などの用途に使用できます。分類を実行するための一般的なアルゴリズムには、サポート ベクター マシン (SVM)ブースティングされた決定木バギングされた決定木、k 近傍法単純ベイズ判別分析ロジスティック回帰およびニューラル ネットワークなどがあります。


回帰

連続データを予測するモデルを構築します。 この情報を使用して、今後のデータ ポイントに関する予測を行うことができます。回帰の用途には、電気負荷の予測およびアルゴリズム取引などがあります。

回帰を実行するための一般的なアルゴリズムには、線形モデル非線形モデル正則化ステップワイズ回帰ブースティングされた決定木バギングされた決定木、ニューラル ネットワークおよび適応ニューロ ファジー学習などがあります。


クラスタリング

データの自然なグループやパターンを見つけます。 ラベルが付いていないデータに対してクラスタリングを使用して、自然なグループやパターンを見つけます。クラスタリングの用途には、パターン マイニング医療用画像処理および物体認識などがあります。

クラスタリングを実行するための一般的なアルゴリズムには、k 平均法および k –medoid 法階層クラスタリング混合ガウス モデル隠れマルコフ モデル自己組織化写像ファジー c 平均法クラスタリングおよび減法クラスタリングなどがあります。

機械学習コミュニティ

ユーザーが作成した例やツールボックスを見て共有したり、疑問に対する解決法について MATLAB Answers で確認します。