「機械学習」の版間の差分

'''機械学習'''（きかいがくしゅう、Machine{{lang-en-short|machine learning）learning}}）とは、[[人工知能]]における研究課題の一つで、人間が自然に行っている[[学習]]能力と同様の機能を[[コンピュータ]]で実現しようとする技術・手法のことである。

; [[人工ニューラルネットワーク]] (ANNNN)

: 単に人工ニューラルネットワーク (NNANN) とも呼ばれ、生物の[[神経]]ネットワークの構造と機能を模倣するという観点から生まれた学習アルゴリズムである。[[人工神経]]を相互接続したもので計算を構造化し、[[コネクショニズム]]的計算技法で情報を処理する。現代的ニューラルネットワークは[[非線形システム論|非線形]]な[[統計学|統計]]的[[データモデリング]]ツールである。入力と出力の間の複雑な関係をモデル化するのに使われ、データの[[パターン認識]]や観測された変数間の未知の[[同時分布]]における統計的構造を捉えるなどの用途がある。

: [[教師なし学習]]アルゴリズムの一部は、訓練中に提供された入力のよりよい表現を発見しようとする。古典的な例として[[主成分分析]]や[[データ・クラスタリング|クラスタ分析]]がある。入力の持つ情報は保持したまま、分類や予測の前に入力をより便利な表現に変換するアルゴリズムもある。その際に入力データが従っている未知の確率分布から入力を再建できるようにするが、その確率分布においては信じがたい例も忠実に再現する必要はない。例えば{{仮リンク|多様体学習|en|Manifold learning}}アルゴリズムは、何らかの制約下で入力の次元を低く変換して表現する。{{仮リンク|スパースコーディング|en|Sparse coding}}アルゴリズムでは、入力が疎ら（ゼロが多い）という制約下で同様の表現の変換を行う。[[:ニューラルネットワークの{{仮リンク|深層学習|en:|Deep learning|deep learning]] アルゴリズム}}は複数レベルの表現または特徴の階層を発見するもので、低いレベルで抽出した特徴から高いレベルの抽象化した特徴までを求める。知的機械は、観測されたデータを説明する偏差の潜在的要因を解きほぐす表現を学習するものだという主張もある<ref>{{Cite book| title = Learning Deep Architectures for AI | author = Yoshua Bengio | publisher = Now Publishers Inc. | year = 2009 | isbn = 978-1-60198-294-0 | page = 1–3 | url = http://books.google.com/books?id=cq5ewg7FniMC&pg=PA3 }}</ref>。