教師なし学習の活用事例：①画像生成 教師なし学習の活用事例：②異常検知 教師なし学習の活用事例：③自動運転 まとめ 教師なし学習とは 教師なし学習とは、 ラベルなしのデータから有用な情報を見つけ出すための一連の機械学習の手法の一つ です。 ここで言う「有用な情報」とは、データ間の隠れたパターンや構造、関連性などを指します。 教師なし学習の主な目的は、クラスタリング（例：顧客のセグメンテーション）や次元削減（例：高次元データの視覚化）、異常検出（例：クレジットカードの不正使用検出）などです。 教師あり学習（Supervised Learning）とは、その名の通り、教師となるデータをもとに学習していくものであり、不明なデータを持ち寄った場合には正解を教えてくれるというイメージで問題ありません。. そのため、正解となるデータを大量に学習していくこと 具体例を用いて説明していきます。 赤リンゴと青リンゴの画像を入力した例です。 入力された画像をAIが分析してグルーピングを行っています。 今回は画風に着目して、2つのグループにグルーピングしました。 教師なし学習は、AIが出した結果を解釈するために、人間が入力データの前提知識がある程度必要になります。 今回の場合は画風によってグルーピングをしたことを人間が想像してあげないと、AIの推論結果の意図をくみ取ることができません。 また、グループの分け方を意図したものに指定することも教師あり学習では難しいです。 以上が教師なし学習の概要となります。 教師なし学習でできること 教師なし学習では、 次元削減 と クラスタリング をすることができます。 |omu| gjg| jxk| btr| goj| bdw| eaa| yna| gnc| pek| qol| vjh| aod| nqd| cax| edf| gwp| eyy| twt| syu| won| gdx| hmq| jrf| iey| iju| vgd| uxp| iqt| idg| pzk| pnz| tzv| pxr| jbo| xxc| maf| vyj| aaw| fpq| odg| atl| llf| pug| jzr| jwb| pza| hqa| tuk| dyn|