2-2.機械学習の基礎（アルゴリズム）

機械学習の主なアルゴリズムを解説します。アルゴリズムの概要を具体的に説明していきますので、ぜひご活用ください。

教師あり学習
①k近傍法
②決定木
③ランダムフォレスト
④サポートベクターマシン（SVM）
⑤ロジスティック回帰
⑥ナイーブベイズ
⑦線形回帰

教師なし学習
⑧k平均法（k-means）
⑨主成分分析
⑩協調フィルタリング
⑪トピックモデル

①k近傍法

k近傍法は、近い属性を持つデータを同じグループだと判断し、分類する手法です。ルールに沿って学習データを並べ、データの特徴を数値で表します。主に「分類」に使われるアルゴリズムの一つですが、分類と回帰のどちらにも使用できます。k近傍法は、機械学習のアルゴリズムの中でも単純でわかりやすい手法です。未知のデータと近いデータをk個取得して多数決を行うアルゴリズムのイメージとなります。

k近傍法の特徴としては、学習データ量が多いと分類の計算に時間がかかることがあります。また、データを分類するためには、大量の学習データを近傍検索するため、学習データを格納するための大容量メモリが必要です。時間と大容量メモリを搭載しているコンピューターが必要なため、膨大な学習データを扱うときには不向きです。

k近傍法のイメージ