機械学習の原則

ビジネスのための機械学習

Karolis Urbonas

Head of Machine Learning & Science, Amazon

機械学習の種類

機械学習：統計または計算機科学の手法をデータに適用して、次を行う。

1. 因果関係を明らかにする

   「顧客が解約する原因は何か？」

2. 将来を予測する

   「来月解約しそうな顧客は誰か？」

3. データのパターンを把握する

   「似た行動をとる顧客グループはあるか？」

教師あり vs. 教師なし学習

機械学習：統計または計算機科学の手法をデータに適用して、次を行う。

1. 因果関係を明らかにする

   教師あり学習

2. 将来を予測する

   教師あり学習

3. データのパターンを把握する

   教師なし学習

教師あり学習のデータ構造

目的変数

入力特徴量

入力特徴量の例

入力特徴量の活用

目的変数の予測

教師なし学習のデータ構造

教師なしの入力特徴量

教師なし学習の結果

MLの例—マーケティング

【教師あり学習】

• 来月購入しそうな顧客を予測する
• 各顧客の予想ライフタイムバリューを予測する

【教師なし学習】

• 過去購入に基づき顧客をセグメント化する

MLの例—金融

【教師あり学習】

• 不正の可能性を示す主要な取引属性を特定する
• 住宅ローン延滞の顧客を予測する

【教師なし学習】

• 取引を属性でセグメント化し、最も収益性の高いセグメントを把握する

MLの例—製造

【教師あり学習】

• 故障の可能性が高く手動検査が必要な製品を予測する
• 故障しそうな機械を予測し、保守を計画する

【教師なし学習】

• センサー値をグループ化し、異常を検出して不具合候補を見つける

MLの例—輸送

【教師あり学習】

• 荷物の到着予定を予測する
• 最短ルートを特定する
• 需要を予測し、在庫・車両・人員を確保する

練習しましょう！

ビジネスのための機械学習