教師あり学習

【教師あり学習】

教師となるデータを学習することが目的。

ロイヤリティの低い顧客＝サービスを解約する可能性が高い

（施策）

解約しそうな顧客を特定する→この層に有効な施策を打つ

⚫︎解約しそうな顧客の特定　→ 教師あり学習（過去のデータを収集してどのような顧客が解約したか、継続したかを学習する

（インプットデータ）年齢、性別、過去1週間の閲覧回数、など

（アウトプットデータ）解約したか、継続しているか

インプットデータからアウトプットデータへの変換の特徴を学習

（出典：ビジネスの現場で使えるAI＆データサイエンスの全知識）

◼️回帰分析と分類問題の違い

・回帰問題：教師データが「連続変数」となり、個数・金額・価格といった値を学習する際に使われる

（例）・不動産物件情報から、その不動産の価格を学習する

・商品の販売情報からその商品の販売個数を学習する

・ユーザー（顧客）の購入履歴情報から、そのユーザーの購入金額を学習する

・分類問題：教師データが「フラグやラベル」となり、購入したかどう・クリックしたか（YES／NO)、画像ラベル（犬・猫・人・・）といった値を学習する際にに使われる
（例）・これまでのユーザーの行動履歴情報から、ユーザーが解約してしまうかどうかを学習する

・かこの購買情報から、あるユーザーがある商品を購入してくれるかどうかを学習する

・画像データから、その画像のカテゴリである画像ラベル（犬、猫、人・・）を学習する

・日本語の文章データから、そのテキストの記事カテゴリ（経済、スポーツ、エンタメ・・・）を学習する

・画像分類

その画像はどのカテゴリに分類されるか（画像種類）　→ インプットデータ：画像　アウトプットデータ：ラベル　の教師あり学習

※インプットデータが画像、画像からラベルを導出するために「ディープラーニング』を使用する

（活用例）　・Object Detection(物体検出)　　・Pose Estimattion(姿勢推定)　・Style Transfer(画風変換)

（出典：ビジネスの現場で使えるAI＆データサイエンスの全知識）