機械学習の基本を習得する上で最も基本的な概念の1つが、教師あり学習と教師なし学習です。 このブログ記事では、機械学習の知識を次のレベルに引き上げるために、教師なし機械学習の簡単な概要、ビジュアル、およびいくつかの例を提供します。

教師なし機械学習とは何か

教師あり学習とは、ラベル付きの出力変数の値を予測するために一連の入力変数を使用することを指します。 これにはラベル付けされたデータ (モデルがそのパフォーマンスを評価するために使用できる解答キーのようなものだと考えてください) が必要です。 逆に、教師なし学習とは、ラベル付けされた結果または予測を参照することなく、ラベル付けされていないデータセットから基本的なパターンを推論することを指します。 クラスタリングとは、類似した特性を持つデータ ポイントを自動的にグループ化し、それらを「クラスタ」に割り当てるプロセスを指します。

Unsupervised Machine Learning Use Cases

教師なし学習、より具体的にはクラスタリングの使用例には、次のようなものがあります。

遺伝学、たとえば、進化生物学を分析するための DNA パターンのクラスタリング。

レコメンダー システム、類似のコンテンツを推奨するために類似の視聴パターンを持つユーザーをグループ化すること。

Unsupervised Learning and Clustering in Dataiku

Dataiku により、機械学習技術を活用し、モデルのパフォーマンスに関する視覚的および統計的フィードバックをすぐに得ることが容易にできます。 Dataikuのクラスタリング（教師なし学習）

についてもっと知る。