教師あり機械学習
教師あり機械学習とは
教師あり機械学習アルゴリズムは、ラベル付きのトレーニングデータセット、つまり各レコードのターゲット変数にすでに既知の値が含まれているデータセットからインサイト、パターン、関係を見つけ出します。トレーニング中に問題の正しい答えを機械学習アルゴリズムに提供します。それによって、他の特徴量がターゲットにどのように関連するかをアルゴリズムが「学習」でき、履歴データに基づいてインサイトを見つけ、将来の結果を予測することができます。
教師あり機械学習手法の例
- 回帰: アルゴリズムは、各例に対して数値ターゲットを返します（新しいマーケティングキャンペーンからどれだけの収益が生成されるか、など）。
- 分類: アルゴリズムは、2 つ以上の異なるクラスから選択して、各例にラベルを付けることを試みます。2 つのクラスからの選択を二値分類と呼びます。たとえば、誰かがローンで債務不履行になるかどうかを判断します。3 つ以上のクラスからの選択を多値分類と呼びます。
教師あり機械学習が重要である理由
教師あり機械学習は、データを実際の実用的なインサイトへと変換します。組織はデータを使用して、不必要な結果がどのようなものかを理解して防止したり、ターゲット変数に対する望ましい結果を促進したりすることができます。
教師あり機械学習のユースケース
教師あり機械学習は、AI システムがビジネスの意思決定を人間よりも迅速かつ高い精度で実行できるようにする最も強力なエンジンの 1 つです。さまざまな業種のビジネスで以下のような問題の解決に使用されています。
- 顧客離れの低減
- 顧客の生涯価値の判定
- おすすめの製品のパーソナライズ
- 人員配置
- 販売予測
- 需要と供給の予測
- 不正行為の検出
- 機器メンテナンスの予測
教師あり機械学習の導入における課題
ただし、これまでは、精度の高い教師あり機械学習モデルの構築、拡張、デプロイを実現するのに、高いスキルを持ち、高報酬のデータサイエンティストのチームが持つ広範な技術専門知識が必要で、時間のかかるものでした。さらに、入力データの変更に応じて、現実的なインサイトを提供し続けられるよう、データサイエンスチームはモデルを定期的に再構築しなければなりません。
教師あり機械学習 + DataRobot
DataRobot の多様な機械学習アルゴリズムライブラリと独自のモデルブループリント技術には、バギング、ブースティング、ディープラーニング、頻度と重大度による手法、一般化加法モデル、一般化線形モデル、カーネル法、ランダムフォレストなど、教師あり機械学習アルゴリズムが組み込まれています。さらに、DataRobot の経験豊富なデータサイエンティストチームは、新しいオープンソースアルゴリズムを常に研究、開発、テストし、プラットフォームに最先端の教師あり機械学習モデルが組み込まれるようにしています。