機械学習とは？～データサイエンスを支える人工知能（AI）技術～

　人工知能（AI）といえば、どのようなものを想像されるでしょうか？

　具体的に、ロボットが頭に浮かんだ方もいらっしゃるかもしれません。マンガやSFから挙げるなら、ドラえもんやコロ助、R2-D2とC-3POですね！もう少し現実的に挙げるなら、ソフトバンク社の「Pepper」やHanson Robotics社の「ソフィア」などです。
　また、ロボットのようにボディを持たないものとしては、マイクロソフト社のAI女子高生「りんな」やApple社の「Siri」などのアプリケーションが挙げられます。

　これらのシステムの中で、AIが膨大な量のデータを解析・学習する「機械学習」が行われ、その結果、自律的な行動や人間との対話などを実現しています（他に制御の技術も使用）。
　ここまではロボット・アプリの分野を例に挙げました。現在多くの企業・団体で必要とされているデータサイエンスの分野でも、先ほどと類似したプロセスでAI技術が使われています。以降はデータサイエンスの分野で、実際のビジネスケースを紹介しながらAI技術「機械学習」についてお伝えしていきます。

　皆さまが所属される企業・団体で、以下のような課題をお持ちではありませんか？
・機械／設備の故障を予測・異常を検出し、予防保全計画に役立てたい。
・自社サービスを解約する顧客を特定し、離反を防ぐ対策を立てたい。
・顧客ごとに適切な商品／サービスを推薦し、販売戦略に活かしたい。
・新商品の売れ行き（需要）を予測し、安全在庫を設定したい。
・コールセンターに寄せられる顧客クレームの要因を特定し、品質向上につなげたい。

　上記の課題はデータ分析（データマイニング）により解決できるとご存知の方も多いと思います。データマイニングでは、データに対して統計学やAI技術「機械学習」を適用し、有用な知識を取り出し活用します。では、このプロセスに含まれる機械学習について考えてみましょう。

　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（冒頭でも紹介）。
　人手でルールやパターン発見を行うことはデータ量が少なければ実現できるかもしれません（例えば100行のデータを1行ずつ目視する）。しかし、センサログやコールログなど現実のデータは大規模かつ複雑になりつつあり、人間が処理できるレベルを超えています。機械に処理させることで、データから効率よく・効果的な知識発見が可能となります。

　センサログのような数値形式、アンケートの自由記述のようなテキスト形式など様々な種類のデータが存在します。そして、分析目的と入力データ形式に応じた「機械学習の手法」を選択・適用（解析）し、ルールやパターンを表現するモデルを作成、更により精度を高めるために学習させます。
　ここで、機械学習には次の4種類の手法が良く使われています。

　回帰分析は数値データの予測、クラス分類はデータのカテゴリを予測します。クラスタリングはデータをグループ化、パターン抽出は頻出するアイテムのセットを取り出します。各手法で使用する詳細なアルゴリズムは下記の表をご覧ください（一部、統計の手法も含みます）。

　いかがでしょう？なかなか堅苦しい・難しそうな名前が並んでいて、使ってみたいけど気後れされる方もいらっしゃるかもしれません。しかしご安心ください！上記のアルゴリズムを簡単に実装し、機械学習を実践できるオープンソース・無料のデータ分析ソフトがあります。
・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。
　ソフト名の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、上の表中に記載している「教師あり学習」「教師なし学習」と、ニーズが高い「予測分析」の考え方についてご紹介します。