Machine Learning (機械学習) (2) 機械学習のシナリオ

Step1：機械学習のシナリオ

機械学習で何を達成したいのかを決める。最も大切な工程かもしれない。

目的や仕様書がないプロジェクトが困難なものになるのと同じく、ゴールがない機械学習プロジェクトが成功するのは難しい。

データを集めるのは大変な作業。学習データが不足していると、未知のデータに対しての判定が正しくできない。

まず、ゴールを達成するためにどのようなデータが必要かを検討する。次にそのデータを収集するための方法を検討する。既存の業務データからか、あるいは新たに収集する必要があるのか。最後に検討した方法に従い、データを収集する。

モデルの評価に直結するため、慎重に検討が必要。この作業を「特徴抽出」と呼ぶ。

収集したデータがそのまま利用できる場合もあるが、多くの場合は、データに含まれる特徴を抽出する作業が必要。データの学習器が求める形式に合わせる必要もある。

どのような手法（アルゴリズム）を利用して学習するのか、複数のアルゴリズムの中から指定。

パラメータを調整しつつ、データを学習してモデルを構築していく。

テストデータを用いてどれくらいの精度が出るのかを確認する。

満足のいく結果でなければ、手法やパラメータを見直しして、チューニングを行う。

満足のいく結果が得られるようになったら、業務に活用していく。