教師なし学習

教師なし学習は、指示を受けません。従属属性と独立属性は区別されません。モデルの作成においてアルゴリズムを導く既知の結果は存在しません。

教師なし学習は、記述目的で使用できます。教師なし学習での目標は、パターン検出です。また、予測の作成にも使用できます。

Oracle Machine Learningでは、次の教師なし機械学習手法がサポートされています。

表3-2 教師なし機械学習手法

手法	説明	問題例	サポートされているアルゴリズム
異常検出	"通常の"データの特性を満たさない行(ケース、例)を識別する	一群の顧客に関する人口統計データを前提として、データセットの異常な顧客の購買行動(詐欺を示唆する可能性があるもの)を識別する。	1クラスSVM 多変量状態推定法 - 逐次確率比検定
相関	データ内で同時発生する傾向にある項目を検出し、その同時発生の原則となるルールを特定する。	一緒に購入される傾向にある項目群を検出し、その関係性を特定する。	Apriori
クラスタリング	データ内で自然なグループを検出する。	人口統計データを複数のクラスタに分割し、ある個人が特定のクラスタに属する確率をランク付けする	期待値最大化 k-Means O-Cluster
特徴抽出	元の属性の一次結合を使用して、新しい属性(特徴)を作成する。	一群の顧客に関する人口統計データを前提として、元の属性をより少ない新しい属性に変換する。	明示的セマンティック分析 Non-Negative Matrix Factorization PCAスコアリング 特異値分解
行重要度	行重要度の手法は、大規模なデータセットのディメンション性低減に使用されます。行重要度により、データ・セットの最も影響力のある行を特定します。	データ・セットを前提として、モデル構築の前に最小重要度の値を満たす行を選択する。	curマトリックス分解