Excel でわかる機械学習 超入門 -AI のモデルとアルゴリズムがわかる

機械学習とは、コンピュータに学習させる技術を指します。AI の発展とともに、さまざまな手法が登場してきました。この AI のモデルとそのアルゴリズムは種類が多く、AI に関心のある人が学習を始めたとき、困惑する原因となっています。本書では、それらを整理し、わかりやすく解説します。具体例には Excel を利用するため、難しい前提知識なしで、機械学習のさまざまな手法を体験することができます。どのような手法で AI が実現しているのか知りたい人に最適です。
1 章 機械学習の基本
§1.機械学習と AI、そして深層学習
§2.教師あり学習と教師なし学習

2 章 機械学習のための基本アルゴリズム
§1.モデルの最適化と最小 2 乗法
§2.最適化計算の基本となる勾配降下法
§3.ラグランジュの緩和法と双対問題
§4.モンテカルロ法の基本
§5.遺伝的アルゴリズム
§6.ベイズの定理

3 章 回帰分析
§1.重回帰分析
§2.重回帰分析を Excel で体験

4 章 サポートベクターマシン (SVM)
§1.サポートベクターマシン (SVM) のアルゴリズム
§2.サポートベクターマシン (SVM) を Excel で体験

5 章 ニューラルネットワークとディープラーニング
§1.ニューラルネットワークの基本単位のユニット
§2.ユニットを層状に並べたニューラルネットワーク
§3.誤差逆伝播法 (バックプロパゲーション法)
§4.誤差逆伝播法を Excel で体験

6 章 RNN と BPTT
§1.リカレントニューラルネットワーク (RNN) の仕組み
§2.バックプロパゲーションスルータイム (BPTT)
§3.BPTT を Excel で体験

7 章 Q 学習
§1.強化学習と Q 学習
§2.Q 学習のアルゴリズム
§3.Q 学習を Excel で体験

8 章 DQN
§1.DQN の考え方
§2.DQN のアルゴリズム
§3.DQN を Excel で体験

9 章 ナイーブベイズ分類
§1.ナイーブベイズ分類のアルゴリズム
§2.ナイーブベイズ分類を Excel で体験

付録 A.ニューラルネットワークの訓練データ
付録 B.ソルバーのインストール法
付録 C.機械学習のためのベクトルの基礎知識
付録 D.機械学習のための行列の基礎知識
付録 E.機械学習のための微分の基礎知識
付録 F.多変数関数の近似公式
付録 G.NN におけるユニットの誤差と勾配の関係
付録 H.NN におけるユニットの誤差の「逆」漸化式
付録 I.RNN におけるユニットの誤差と勾配の関係
付録 J.BP、BPTT で役立つ漸化式の復習
付録 K.RNN におけるユニットの誤差の「逆」漸化式
付録 L.重回帰方程式の求め方

機械学習の手法が多すぎて何から理解すればよいか分からない人に向けて、代表的なモデルとアルゴリズムを整理し、Excel のワークシートで計算を体験しながら仕組みをつかむ入門書です。『Excel でわかる機械学習 超入門』 (涌井 良幸、涌井 貞美 著、技術評論社、2019 年 7 月刊) の副題は「AI のモデルとアルゴリズムがわかる」で、版元は具体例に Excel を使うため難しい前提知識なしで機械学習のさまざまな手法を体験できると案内しています。

基本アルゴリズムから DQN まで、全 9 章の構成

1 章で機械学習と AI と深層学習の関係、教師あり学習と教師なし学習の区別を整理し、2 章では最小 2 乗法、勾配降下法、ラグランジュの緩和法と双対問題、モンテカルロ法、遺伝的アルゴリズム、ベイズの定理といった、後の章で使う道具をまとめて紹介します。3 章以降は 1 章に 1 つの手法を取り上げ、重回帰分析、サポートベクターマシン (SVM)、ニューラルネットワークと誤差逆伝播法、RNN と BPTT、Q 学習、DQN、ナイーブベイズ分類と進みます。3 章から 9 章のどの章にも、その手法を Excel で体験する節が置かれています。巻末の付録は A から L まであり、ソルバーのインストール法のほか、ベクトル、行列、微分の基礎知識、重回帰方程式の求め方、ニューラルネットワークと RNN の誤差と勾配の関係を説明する付録が並びます。

セルで計算を追うことで見える学習の中身

機械学習 のライブラリを使えば、数行のコードでモデルを学習させて予測まで出せます。その手軽さの裏で、パラメーターがどう更新され、何を最小にしようとしているのかは見えにくくなります。ワークシートでは、入力、重み、出力、誤差の 1 つずつがセルの値として並ぶので、計算の流れを目で追えます。ニューラルネットワーク の誤差逆伝播法のように、式だけでは追いにくい計算も、層ごとの値を表として並べると、どの値がどの値から求まるのかが具体的になります。付録にソルバーのインストール法が置かれていることから、パラメーターの最適化には Excel のソルバー機能を使う場面があると読めます。7 章と 8 章では 強化学習 の Q 学習と DQN も取り上げ、教師あり学習以外の手法も同じく Excel で体験する節を設けています。

学生やビジネスパーソンに向く理由と、次に進む先

版元がおすすめとして挙げるのは、AI や機械学習に関心のある学生、ビジネスマン、教育者です。プログラミングの経験がなくても Excel の操作ができれば手を動かせる一方で、付録にベクトル、行列、微分の基礎知識が用意されていることからも分かるとおり、数式を読む場面はあります。数学に不安がある場合は、付録から先に目を通すか、機械学習の数学を学ぶ本の選び方 を参考に補う方法があります。Python などで実データを扱うモデル開発の手順を身につけたい人には、目的が異なる本です。手法の名前は知っているけれど中で何が計算されているのかを説明できない人や、社内の勉強会や授業で仕組みを見せながら教えたい人にとって、本書は手元の Excel ですぐに試せる実用的な一冊です。