Pythonと機械学習の相性が良い理由とは？他の言語と比較し解説します！

機械学習にはいくつか種類があります。まず、「教師あり学習」、「教師なし学習」、「強化学習」の3つを理解しましょう。この3つの機械学習は、それぞれに特徴があり優劣はありません。それぞれ分析をする目的が違うので、実際に機械学習の機能を実装する場合はそれぞれの特徴を理解し、どのタイプを選択するか判断する必要があります。

今回は「教師あり学習」、「教師なし学習」、「強化学習」を初心者の方にも理解できるように説明してみたいと思います。それぞれのタイプを「仕組み」、「目的」、「具体例」に分けて説明しています。「具体例」では、できるだけわかりやすくなるように実際の食品メーカーのビジネスでそれぞれのタイプの機械学習が採用された場合、どのような使われ方をするのかを例を挙げて解説します。

1. 教師あり学習

■仕組み
システムに、「問題」とその「答え」を一つのデータとして膨大な量を分析させます。システムはそのデータをもとに、新しい問題が与えられたとき、その答えが何なのか判定します。

■目的
「与えられたデータの答えが何なのか判断できるようになること」になります。

■具体例
「教師あり学習」は、自動販売機で利用されることがあります。この自動販売機は、タッチパネル式で人が前に立つと一部の商品に「おすすめ」と表示されます。これは自動販売機にカメラが付いていて、前に立っている人の性別や年齢を判断し、何がおすすめなのか表示しています。

この「自動販売機の前に立っている人の性別や年齢を判断する」という機能に「教師あり学習」が使われています。この自動販売機には膨大な数の人の顔画像とその人の性別と年齢がデータとして与えられています。そして、人が前に立った時に、その与えられたデータからその人の性別と年齢を推測しています。

2. 教師なし学習

■仕組み
膨大な量のデータをシステムに与えます。システムはそのデータを分析し、特徴ごとに分類します。

■目的
「データを特徴ごとに分類すること」になります。

■具体例
「教師なし学習」は新規ユーザーへの宣伝のために利用されることがあります。たとえば、ネットショップでは、アカウントを作成する際ユーザーに年齢、性別、職業などお客様の情報を入力させ、その上で購買情報をデータとして蓄積しています。

そして、蓄積したデータからどのような特徴を持つユーザーはどのような商品を買うか分類し、新規のユーザーがアカウントに自身の情報を入力した際、同じような特徴を持つユーザーの購買情報から新規ユーザーの購買傾向を推測し広告などで宣伝します。この「ユーザーの特徴ごとにどのような商品を購入する傾向があるか分類」する機能に「教師なし学習」が使われています。

3. 強化学習

■仕組み
システムが与えられるデータをもとにPDCAサイクルを回していくイメージです。システムがある方法を試しその結果をデータとして蓄積します。過去のデータからより良い結果が得られた方法を採用していきます。

■目的
システムが自分自身を改善していくこと、になります。

■具体例
「強化学習」は既存ユーザーへの宣伝のために利用されることがあります。たとえば、ネットショップでユーザーがサイト内で画面遷移することに自社製品の広告を表示する機能を付けたとします。この時に、その広告がクリックされればそれはユーザーが好きな商品、クリックされなければ好きではない商品、というデータを作りだし、その情報を蓄積してきます。

そして、そのデータをもとにユーザーが好きな商品を広告で表示していけるようになります。「広告がクリックされるかどうかを判断材料にユーザーが好きな商品を導きだしていく」という機能に「強化学習」が使われています。