今回はスタンフォードのAI講座の２回目です。

今回はIntroductionのSupervised Learning(教師あり学習)について解説していきます。

授業資料：https://www.coursera.org/learn/machine-learning/supplement/NKVJ0/supervised-learning

1.教師あり学習とは何か？

今回は「教師あり学習」について説明します。教師あり学習とは一言でいうと人間がコンピュータに教え込むタイプの機械学習です。教師あり学習では人間がデータとデータが何を意味するかの情報を一緒に与えます。

例えば、①猫の画像と②この画像は猫です。という情報を一度に与えます。

猫というラベル付きの画像をコンピュータに沢山入力することで、「こういう画像が猫なんだ！」という感じで学んでいきます。コンピュータは根気強いので何千万枚ものラベル付きの画像を学習してくれます。「先生」がいかに沢山の学習道具を与えてあげるかが重要です！（その辺りは人間と一緒ですね)

2.回帰問題と分類問題

教師あり学習には２つの流派があります。それが回帰問題と分類問題です。

回帰問題は既に出力された（連続的な)データを元に将来の様子を予測します。

分類問題は既に出力されたデータを分類(数学的に言うと離散)させます。

3.回帰問題と分類問題の具体例

例えば住家の面積から、不動産の価格を予測しようとします。住家の価格はその家の面積から大体予想できますよね？

家の面積というデータから家の値段を予想するのでこれは回帰問題です。これを分類問題に変えることも可能です。

住宅の価格が相場よりも高いか安いかを調べたいとします。その時は相場より高い住宅と低い住宅で分類しますよね？

よってこれは分類問題になります。

回帰問題と分類問題のイメージ⇧