機械学習は、正解ラベルを手がかりにデータの「識別」や予測を行う「教師付き学習」と、データの類似性のみからグループを「分類」する「教師なし学習」に大別されます。教師付き学習は臨床診断や株価予測といった予測分析に応用され、サポートベクトルマシンや回帰分析のほか、ベイズの定理を応用したスパムフィルターなどの手法が存在します。一方、教師なし学習ではk-means法をはじめとするクラスタリングが代表的です。さらに、ニューラルネットワークを多層化して高い識別精度を実現したディープラーニングなど、多様なアルゴリズムが発展しています。本稿では、これら機械学習の基本概念と主要な手法の特徴を整理して解説します。
3. 機械学習法と数理モデリング






