AIについて

トップページ AIの仕組みなど調べたことを紹介します。 機械学習 ・教師あり:人間が答えをあらかじめ教える。回帰分析、パターン認識法。 ・教師なし:答えを示さず分類させる。クラスタリング。 ・強化学習:試行錯誤をくりかえしながら、よりよい行動を学んでいく。モンテカルロ法。 深層学習 ・デープランニング(機械学習):生成AIに利用される。 ・ベイズの定理:機械学習やデータサイエンスのアルゴリズムの基。結果(事後分布)から原因(事前分布)が起こった確率を求める考え。 ・過学習:AIが学習をしすぎて、訓練(決められた)データでは正解率が高く、テスト(実際)では正解率が低くなる事。使い物にならない。対策としては汎用のデータ量を増やす。 ・データレイク: ビッグデータの貯蔵場所。 必要に応じて加工するため、データをそのままの形で格納する。 評価 ・交差検査:機械学習モデルを評価する指標。1つの学習セットを学習データとテストデータに分割しそれぞれで学習と評価を行う。 ・2値分類:ROC曲線、PR曲線(ROC曲線でTNの評価がないもの)。 ・ROC曲線: 真陽性率と偽陽性率の関係。 【混同行列】 2種類の分類問題において、予測と実際の分類を行列形式にまとめたもの(下図) 上段の予測したクラスは、AIが予測したクラス。 ROC曲線:真陽性率と偽陽性率の関係。 PR曲線:真陽性率と適合率 ・ 真陰性(True Negative, TN) : 検査で陰性とされ、実際に陰性である場合 ・ 偽陰性(False Negative, FN) : 検査で陰性とされたものの、実際には陽性である場合 ・ 偽陽性(False Positive, FP) : 検査で陽性とされたものの、実際には陰性である場合 ・ 真陽性(True Positive, TP) : 検査で陽性とされ、実際に陽性である場合 AI(Artificial Intelligence:人工知能) 特化型人工知能(ANI: Artificial Narrow Intelligence ) :ANIは、音声認...