機械学習の理解

人工知能とは、人工的につくられた人間のような知能のことです。
機械学習とは、データのパターンをアルゴリズムによって学習し、予測することです。
統計は、データを説明するための分野です。
機械学習は、データを予測するための分野です。
推測の根拠が重要であれば統計学を利活用する。
推測の理由より観測性能が重要であれば機械学習を利活用する。

第4次産業革命と呼ばれる昨今、
AIとビッグデータによる自律化の時代です。
コンピュータ性能の向上、データの増大、アルゴリズムの普及によりAIの爆発的な発展につながりました。
人工知能の採用基準は、次の3つです。
1.過去データがあるか
2.データが定量的に十分にあるか
3.推論の過程が分からなくても良いか
人工知能の活用事例は、次の4つです。
1.自動運転（認知→判断→制御）
2.交通管制（交通効率化）
3.金融（リアルタイムトレード）
4.マーケティング（レコメンド）

機械学習の精度を検証する手法は、
ホールドアウト検証とk-分割交差検証（クロスバリデーション）がある。
ホールドアウト検証は、
学習用とテスト用に、ある割合で分割して検証する最も単純な検証方法です。
クロスバリデーションは、
交互にテストデータを分割してn回検証する方法です。
結果を混合行列という表にしてモデルを評価する。
横軸に正答がTrue、正答がFalseの2パターン、
縦軸に予想がPositive、予想がNegativeの2パターン、
2×2の4マスの結果を記載する。

機械学習でもデータの相関関係、因果関係を見つける。
相関関係は、一方が他方との関係性を持つことです。
因果関係は、原因とそれによって生ずる結果との関係性を持つことです。
相関関係よりも結果を特定するための、
Aを原因としてBが変動することを因果関係と言う。
人工知能は、予測、推定、分類、検知、判別のために用いる。