教師あり学習から予測分析へ～データサイエンスを支える人工知能（AI）技術～

　前回はデータ分析において重要な「機械学習」の考え方をご紹介しました。もう一度復習しておくと、機械学習とは「機械にデータを解析させ、データに潜む規則性（ルール）やパターンを発見、アルゴリズムを発展させていくプロセス」を指します。

　そして、機械学習には次の4種類の手法が良く使われています。

　今回は上図左下の「クラス分類」を採り上げて、教師あり学習についてご紹介します。ここで、機械の故障予測について考えてみます。

　機械には電圧・圧力など各種センサが取り付けられており、時々刻々とセンサ値そして状態（正常／故障）がデータとして蓄積されているものとします。

　上図の茶色枠で囲っているデータをご覧ください。「状態」列に何かしらの値が入っています。予測対象となる値（正解となる値）を持っているため、このデータを教師ありデータと呼びます。教師あり学習とは「教師ありデータを使って、データに潜むパターンや規則性の集合体であるモデルを作成するプロセス」を指します。

　次に、上図の赤枠で囲っているデータをご覧ください。状態列に値がありません。このデータを作成したモデルに適用すれば、状態列の値を予測することができます。以上のフローを図示すると次のようになります。

　以上が教師あり学習と予測分析の概要です。教師あり学習を行うアルゴリズムには次のようなものがあります。
・決定木
・k近傍法
・ナイーブベイズ
・ニューラルネットワーク
・サポートベクタマシン
・ディープニューラルネットワーク（ディープラーニング）※こちらの詳細は後日
※決定木アルゴリズムは説明しやすいモデルを作成します。

　今回ご紹介した教師あり学習・予測分析を実装できるオープンソース・無料のデータ分析ソフトはこちら。
・RapidMiner：プログラミング不要、GUI操作で誰でも簡単に分析できる。
・NYSOL：コマンドを記述して高速に分析できる。データ加工処理が得意。
・Revolution R：R言語でスケーラブルなハイパフォーマンス分析環境を構築できる。
　ソフトは各リンク先から入手できますので、ぜひお試しください！

　次回は「教師なし学習」とは？何に使えるのか、をご紹介します。