機械学習に関する用語集

機械学習に関する用語

用語	英語	説明
教師あり学習	Supervised Learning	正解となるデータをもとに機械学習を行う手法。データの分類や数値の予測などに使用する。
教師なし学習	Unsupervised Learning	正解が用意されていないデータに対して行う手法。データのクラスタリングなどに使用する。
強化学習	Reinforcement Learning	ある環境の中での行動に対して報酬を与えて学習させる手法。ゲームや自動運転などにおいて、振る舞いを最適化するために使用する。
分類	Classification	教師あり学習でデータがどのグループに属するか（ラベル）を予測すること。
回帰	Rgression	教師あり学習でデータに対して数値を予測すること。
クラスタリング	Clustering	教師なし学習で、似ているデータをグループ化すること。分類とは異なり正解が存在しない。
アルゴリズム	Algorithm	機械学習ではそれぞれの機械学習を行うための手順のことを指す。主要なアルゴリズムはscikit-learnで用意されている。
アンサンブル学習	Ensemble Learning	複数のモデルの結果を組み合わせて多数決などで決定する手法。
ラベル	Label	分類で、データの正解を表す値。
モデル	Model	機械学習アルゴリズムが作成した予測を行うためのパラメータの集まり。予測プログラムで使用する。

教師あり学習の主な手法

用語	英語	説明
線形回帰	Linear Regression	回帰に使用するアルゴリズムの１つ。
ロジスティック回帰	Logistic Regression	アルゴリズムの名前には回帰が付いているが、主に分類に使用するアルゴリズム。
サポートベクターマシン	Support Vector Machine : SVM	分類、回帰に使用できるアルゴリズム。
決定木	Decision Tree	データを分類するルールを定義して分類を行うアルゴリズム。
ランダムフォレスト	Random Forest	複数の決定木の予測結果から、多数決で予測を行うアルゴリズム。アンサンブル学習の１つ。

精度に関する用語

用語	英語	説明
学習データ	Data	学習済みモデルを作成するための機械学習アルゴリズムの入力に使用するデータの集まり。あらかじめ用意したデータを学習データとテストデータに分割する。教師データ、訓練データともいう。
テストデータ	Test Data	モデルの精度評価を行うために使用するデータ。
混合行列	Confusion Matrix	分類の制度を計算するために予測と正解の組み合わせを集計した表。
陽性	Positive	分類で目的としているデータの持つ性質。
陰性	Negative	分類で目的としていないデータの持つ性質。
真陽性	True Positive : TP	陽性と予測して(Positive)、予測が当たった(True)データの性質。
偽陽性	False Positive : FP	陽性と予測して(Positive)、予測が外れた(False)データの性質。
偽陰性	False Negative : FN	陰性と予測して(Negative)、予測が外れた(False)データの性質。
真陰性	True Negative : TN	陰性と予測して(Negative)、予測が当たった(True)データの性質。
正解率	Accuracy	全体のうち予測当たった割合。(TP + TN) / (TP + FP + FN + TN)
適合性	Precision	陽性と予測したうち実際に陽性だった割合。TP / (TP + FP)
再現率	Recall	陽性のデータのうち、陽性と予測した割合。TP / (TP + FN)
F値	F-Value	適合率と再現率のバランスをとった値。適合率と再現率の調和平均で求める。