ライブログ管理人

制御系システムエンジニア(技術営業寄り)を経て、現在はマネジメント職。 PMPは保有していますが、コードは書けません。 技術に近い場所にいながら自分の手では作れない。 そんな立場から生成AIパスポート・G検定などAI・DX資格に挑戦中です。 学習の過程をそのまま実況記録しています。

【G検定】3-6_決定木

決定木が、「ある特徴量がある値より大きいか」といった条件でデータを繰り返し分けていき、その分け方をまとめると木の形になること、そしてその条件を人ではなくデータのほうから決めている点を整理しました。分類にも回帰にも使えること、分けたあとの混ざり具合を測るものさしで分け方を選んでいること、判断に使った条件が木の形で残るために結論までの道筋をたどれること(解釈性)についても扱っています。

【G検定】3-5_単回帰・重回帰と自己回帰モデル

単回帰分析・重回帰分析・自己回帰モデル(ARモデル)・ベクトル自己回帰モデル(VARモデル)という4つの名前が、実は入力に重みをかけて足し合わせて一つの値を出すという同じ計算の形をしていて、違うのは入力に何を持ってくるかと、入力をいくつ取るかだけであることを整理しました。自己回帰モデルの「自己」が、モデルが自分で賢くなっていくことではなく、入力に自分自身の過去の値を使うことを指す点も扱っています。

【G検定】3-4_サポートベクターマシン

サポートベクターマシンが、境界といちばん近いデータ点との間隔(マージン)を最大にする位置に境界を引くことで、何本でも引ける境界を一つに決める仕組みを整理しました。まっすぐな境界では分けられないデータを高次元の空間へ写して扱う考え方と、そのとき写した先の座標を作らずに済ませるカーネルトリックについても扱っています。

【G検定】3-3_線形回帰とロジスティック回帰

線形回帰とロジスティック回帰が、入力に重みをかけて足し合わせ、予測するときに一つの値を計算するところまで同じ形をしていながら、その値をそのまま使うか、シグモイド関数で0から1の間に収めて区分の判断に使うかで、回帰と分類のどちらに使う手法かが分かれる点を整理しました。直線を1本に決める基準になる最小二乗法についても扱っています。

【G検定】3-2_教師あり学習・教師なし学習・強化学習

教師あり学習・教師なし学習・強化学習という3つの学ばせ方が、コンピュータに何を渡して手がかりにさせるかという一点でどう分かれるのかを整理しました。教師あり学習の「教師」が指すもの、分類と回帰、クラスタリングと次元削減についても触れています。

【G検定】3-1_機械学習とルールベースの違い

ルールベース手法と機械学習が、判断に使う規則を誰が用意するかという一点でどう違うのか、そしてそれぞれの強みと手間のかかる場所を、スパムフィルタの実例とあわせて整理しました。機械学習の材料になるビッグデータについても触れています。

【G検定】2-6_ワトソンと東ロボくん

IBM の質問応答システム ワトソン(Watson) が、答えの候補を複数立てて裏づけの強さを点数にする DeepQA という作りで、2011年のクイズ番組 Jeopardy! で人間の王者に勝った経緯と、東ロボくんが2016年度の模試でどこまで届いたのかを整理しました。答えそのものを返す Question-Answering という技術、そしてすでにある大量のデータやWeb上の情報からパターンを取り出すデータマイニング・ウェブマイニングについてもまとめています。

【G検定】2-5_意味ネットワークとオントロジー

概念をノード、関係をリンクで表す意味ネットワークの仕組みと、is-a(一種)・part-of(全体と部分)・has-a(持つ)という3つの関係の違い、is-a をたどって上位の性質を引き継ぐ継承の考え方を整理しました。書き表し方そのものを先に決めておくオントロジーとの違い、ヘビーウェイトとライトウェイトの違い、CycプロジェクトとセマンティックWebについてもまとめています。

【G検定】2-4_エキスパートシステムとDENDRAL・MYCIN

エキスパートシステムが、専門知識をルールの形で集めた知識ベースと、それをたどって結論を導く推論エンジンとに分けて作られていることを、世界最初のエキスパートシステムとされる DENDRAL と、専門家に並ぶ判断を示した MYCIN を例に整理しました。DENDRAL が示した知識の量と性能の関係、MYCIN が1979年の評価で外部の専門医から妥当と認められた割合が比較対象の中で最も高かったこと、それでも日常の診療では使われなかった理由、知識ベースを作るための知識獲得のボトルネックとインタビューシステムまでをまとめています。

【G検定】2-3_プランニングとSHRDLU

機械に行動を計画させるために行動をどう書き表せばよいかを定めた STRIPS と、人が普通の英語で指示を出せるところまで到達した対話プログラム SHRDLU の2つを整理しました。前提条件・削除リスト・追加リストで行動を書き表すと、計画を探す問題が探索木をたどる問題になること、SHRDLU が積み木の世界で指示を実行し質問にも答えたこと、そしてそれができたのは物も起こりうることもあらかじめ決まっている小さな世界だったからであることをまとめています。