マンガでわかる機械学習

学ぶことの多い機械学習をマンガでさっと学習でき、何ができるかも理解できる!!
本書は今後ますますの発展が予想される人工知能分野のひとつである機械学習について、機械学習の基礎知識から機械学習の中のひとつである深層学習の基礎知識をマンガで学ぶものです。
市役所を舞台に展開し、回帰 (イベントの実行)、識別 1 (検診)、評価 (機械学習を学んだ結果の確認)、識別 2 (農産物のサイズ特定など)、教師なし学習 (行政サービス) という流れで物語を楽しみながら、機械
学習を一通り学ぶことができます。
序章 機械学習を教えてください!
第 1 章 回帰ってどうやるの?
第 2 章 識別ってどうやるの?
第 3 章 結果の評価
第 4 章 ディープラーニング
第 5 章 アンサンブル学習
第 6 章 教師なし学習
エピローグ
参考文献

機械学習の基礎知識から深層学習の基礎知識までを、市役所を舞台にしたマンガの物語で学ぶ入門書です。『マンガでわかる機械学習』 (荒木 雅弘 著、渡 まかな 作画、ウェルテ 制作、オーム社、2018 年 8 月 10 日発売) について、版元は、回帰 (イベントの実行)、識別 1 (検診)、評価 (機械学習を学んだ結果の確認)、識別 2 (農産物のサイズ特定など)、教師なし学習 (行政サービス) という流れで物語を楽しみながら、機械学習を一通り学ぶことができると紹介しています。

序章と全 6 章、第 1 章の回帰から第 6 章の教師なし学習まで

目次は、序章「機械学習を教えてください!」、第 1 章から第 6 章、エピローグ、参考文献、索引です。第 1 章「回帰ってどうやるの?」は説明変数から目的変数を求める考え方、線形回帰関数、正則化の効果を、第 2 章「識別ってどうやるの?」はデータの整え方、ロジスティック識別、決定木による識別を扱います。第 3 章「結果の評価」は、「テストデータで評価しないと意味がない」、学習データ / 検証データ / 評価データ、交差確認法、正解率 / 精度 / 再現率 / F 値の節で構成されています。第 4 章「ディープラーニング」はニューラルネットワークと誤差逆伝播法による学習から、事前学習法、活性化関数、過学習の回避という多階層学習の工夫と、特化した構造を持つニューラルネットワークへ進みます。第 5 章「アンサンブル学習」はバギング、ランダムフォレスト、ブースティングを、第 6 章「教師なし学習」は階層的クラスタリング、分割最適化クラスタリング、行列分解を扱います。序章と第 1 章から第 6 章の末尾には「さやかの部屋」があり、第 1 章から第 6 章の末尾の回は「数学のおさらい」の 1 から 6 です。

過学習と評価用のデータ、識別の指標

機械学習 の教師あり学習では、正解の付いたデータからモデルを作り、まだ見ていないデータに対してどれだけ正しく予測できるかを問題にします。学習に使ったデータで測った精度は、まだ見ていないデータでの精度を表しません。モデルが学習データの細かな揺れまで覚えてしまう状態は過学習と呼ばれ、回帰の係数の大きさに罰則を加える正則化は、これを抑える方法の 1 つです。そこで、データを学習用、検証用、評価用に分けたり、データの分け方を入れ替えながら学習と評価を繰り返す交差確認法を使ったりして、まだ見ていないデータへの当てはまりを見積もります。識別の結果を測る指標には、正解率のほかに、陽性と予測したもののうち本当に陽性だった割合である精度と、本当に陽性のもののうち陽性と予測できた割合である再現率があり、F 値は精度と再現率の調和平均です。

多層のニューラルネットワークとアンサンブル学習

ニューラルネットワーク は、入力に重みを掛けて足し合わせ、活性化関数を通した値を次の層へ渡す計算を、層状に重ねたモデルです。出力の誤差を出力側から入力側へさかのぼって伝え、各層の重みを直していく方法が誤差逆伝播法です。層を深く重ねる ディープラーニング では、誤差が入力側へ届くまでに小さくなって学習が進みにくくなる問題があり、活性化関数の選び方や学習の手順の工夫で対処します。アンサンブル学習は、複数のモデルの予測を組み合わせて 1 つの予測にする方法です。バギングは元のデータから復元抽出で作った複数の学習データで別々のモデルを作り、多数決や平均で予測を決めます。ランダムフォレストはバギングを決定木に用い、分岐に使う特徴も無作為に選びます。ブースティングは、前のモデルが誤ったデータを重く扱いながら、モデルを順に作っていく方法です。

版元は、機械学習の初学者、文系 SE で機械学習のプログラミングが必要な人、ソフトウェア技術者 / ソフトウェア開発業のマネージャー等、理系学部生の 1〜2 年次を読者に挙げ、レベルを初級としています。版元のページでは、本書で取り上げたサンプルプログラム (Python のコード) をダウンロードで提供しています。回帰と識別、結果の評価、ディープラーニング、アンサンブル学習、教師なし学習までを、序章と全 6 章の物語に収めた入門書です。