いよいよ今回から、統計と機械学習に関する専門的な内容に入っていく。まずは、機械学習の代表的な手法や評価について、重要なポイントを見ていこう。
専門用語や数式が出てきて、とっつきにくいと感じる人もいるかもしれない。筆者自身、AI（人工知能）や機械学習の専門知識がない状態でG検定合格を目指した経験があるため、その気持ちはよく理解できる。そこで当時の筆者自身が抱いていた疑問や、実際に業務でAIを実装していく中で感じたことなども織り込んでいく。
例題は、日本ディープラーニング協会（JDLA）監修の『深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト』（翔泳社、以下「公式テキスト」）掲載の問題を題材にする。
機械学習の手法を押さえる
最初は、機械学習の手法に関する問題を見てみよう。
例題1：機械学習の代表的な手法に関する説明として、適切なものを選べ。正解は1つとは限らない。
- ランダムフォレストに比べ、勾配ブースティングは結果が得られるまでの計算に時間がかかる。
- ロジスティック回帰はニューラルネットワークの一種である。
- ディープラーニングの手法が出てくる以前は、サポートベクターマシンが最も汎化性能の高い手法であった。
- ニューラルネットワークは隠れ層の数を色々変えて学習できるため、アンサンブル学習の一種といわれている。
出所：公式テキストp111 4章 章末問題 問題1
この先は会員の登録が必要です。有料会員（月額プラン）は初月無料！
日経クロステック ラーニング／日経クロステックには有料記事(有料会員向けまたは定期購読者向け)、無料記事(登録会員向け)、フリー記事(誰でも閲覧可能)があります。有料記事でも、登録会員向け配信期間は登録会員への登録が必要な場合があります。有料会員と登録会員に関するFAQはこちら
