I.学習を始める前に
1.何を学びますか？
Rを利用した機械学習のページについて解説します。
このブログ＋リンク先の解説文ページを読めば、機械学習の基本をプログラムから理解できます。
2.機械学習、AI、深層学習って何？
機械学習（machine learning）とAI、深層学習（deep learning）の関係をごく簡単に図式化すると、AIが最も広い概念で、機械学習の中に深層学習があるという関係になります。
人工知能は、単なる機械的な反応ではなく、人間に近い能力を持っています。ここで取り上げる機械学習は単純なものですが、データから車の重さと燃費の関係を見つけだしたり、花弁やガクの大きさから花の種類を推測します。
3.RとDataCamp Light WordPress Pluginは何ですか？
RはR言語による統計分析のためのオープンソースのソフトウェアです。だれでも無料で入手することができます。
DataCamp Light WordPress PluginはR言語をWordPressのブログ上で扱えるようにしたウィジェットです。ですから、Rスクリプトを実行することができます。
ただし、利用できるライブラリは限られており、新たにインストールすることはできません。
この解説は、このRウィジェットを利用して機械学習を解説します。
II.ライブラリcarotを用いいた機械学習
次のページで機械学習を学びます
A quick introduction to machine learning in R with caret
次のグラフのように、車の重さとガソリンの燃費のデータがあるとします。
Runtをクリックしてください。散布図が表示されます。
require(ggplot2)
ggplot(data = mtcars, aes(x = wt, y = mpg)) +
geom_point()
このデータに機械学習のライブラリcarotのtrain関数を適応します。
Runをクリックしてください。グラフが表示されます。
require(ggplot2)
ggplot(data = mtcars, aes(x = wt, y = mpg)) +
geom_point()
# build model using train()
require(caret)
model.mtcars_lm <- train(mpg ~ wt
,data = mtcars
,method = "lm"
)
# Retrieve coefficients for - slope and - intercept
coef.icept <- coef(model.mtcars_lm$finalModel)[1]
coef.slope <- coef(model.mtcars_lm$finalModel)[2]
# Plot scatterplot and regression line using ggplot()
ggplot(data = mtcars, aes(x = wt, y = mpg)) +
geom_point() +
geom_abline(slope = coef.slope, intercept = coef.icept, color = "red")
データから車の重量が与えられれば、その燃費を予測することができるモデルを得ることができました。グラフではデータの分布の傾向を赤い直線で示しています。
直線は中学校で習ったy=ax+bの式で表すことができます。
データの分布を直線で表現するのは、統計学では線形回帰分析と呼ばれます。
機会分析の一つとして、データの傾向を読み取り直線で表現し予測に役立てる線形回帰分析が利用されます。
以上で、機械学習のためのライブラリcarotのシンプルなモデルを体験することができました。線形回帰分析について詳しくは次のリンクを参照してください。
