機械学習のイメージを理解する〜2つの特徴を理解する〜

機械学習とは何かについて簡単に理解していきましょう。
大きく2つの特徴があります。

1. 膨大なデータをもとに反復学習をさせることで法則を見出してモデル化する。
2. さらにその法則を自動化することで再現性を作ることができる。

この2つの特徴によって、より良い意思決定とある程度の予測を行う手助けをしてくれます。

1つ目の特徴

事業における多岐に渡るデータ（購入履歴やクリック履歴、プッシュ通知やメールマガジンの開封率、ユーザーの属性、性別、年代、アクセスしているデバイス等）をデータと保存しているとそのデータを学習させることで、データに潜むパターンや特性を発見し、予測してくれます。
機械学習の学習方法は大きく分類して3つあり、「教師あり学習」「教師なし学習」「強化学習」の3つです。

教師あり学習（Supervised learning）

教師あり学習とは、データを学習させるときに正解のラベルを付けて学習させる方法です。つまり、データを学習させる側が教師のような形で、答えを一緒にラベルとして学習させていきます。
データとラベルがセットになっているデータセットを用意して学習させるイメージです。
例えば、犬の名前を教えてくれる学習モデルを作るのであれば、入力する画像データに対して、これは「パグ」、これは「ゴールデンレトリバー」という風に正解を教えながら学習させていきます。
入力に対して出力されるべきものを学習させることができるため、より多く学習させたほうが精度が増していきます。
そして、学習させたモデルに未知のデータが入力した際に「正解ラベル」と近い値がでるかを見ていきます。

教師あり学習のアプローチは、どんな答えが求めているときに利用するかは「回帰」と「分類」という2つの統計的手法に注目していきます。
回帰とは、数値で予測したいときに使います。つまり過去の経験（データ）から同じようなことが未来に発生する「予測」がしたいときです。
例えば、未来の売上予測や会員登録者数の予測だったり、キャンペーン実施による効果予測などです。…