予測モデル（教師あり学習）

ビジネスのための機械学習

Karolis Urbonas

Head of Machine Learning & Science, Amazon

教師あり vs. 教師なし

教師ありモデル

結果のクラス/種類を予測（例：解約、不正、購入）—分類

結果の量を予測（例：支出額、プレイ時間）—回帰

教師なしモデル

クラスタリング：類似する観測をグループ化（例：顧客・市場セグメンテーション）

教師あり学習の種類

分類 — 目的変数はカテゴリ（離散）。結果の種類（classification）

顧客は契約を解約するか

この取引は不正か

このユーザーの職業は何か

回帰 — 目的変数は連続。結果の量（regression）

来月の購入回数

来年のプレイ時間

保険の支出額

データ収集

機械学習チームは、目的の予測精度を最大化するため利用可能なデータを収集します。購入予測の例：

顧客情報

購入・解約履歴、注文額

閲覧履歴、ログ、エラー

デバイス情報と位置情報

製品/サービスの利用頻度

など

分類の例

分類：訓練

分類：学習

分類：未知データ

分類：予測

回帰の例

回帰：学習

回帰：学習の様子

回帰：未知データ

回帰：予測

回帰：実際の予測

練習しましょう！

ビジネスのための機械学習