Pythonではじめる教師なし学習 ―機械学習の可能性を広げるラベルなしデータの利用

22

1

章 機械学習エコシステムにおける教師なし学習の立ち位置

を訓練の過程で学習し、扱える範囲の数のパラメータでその構造を効率的に捉えることができる。

この過程は深層学習で生じる表現学習と似ている。生成ネットワークの各隠れ層がデータの背後の

表現を学習する。最初の層は単純な表現を学習するのだが、層が進むにつれて直前の層の表現に基づ

いたより複雑な表現を学習するようになっていく。

生成ネットワークは、これらすべての層を使ってデータの背後にある構造を学習し、学習した表現を

使って真のデータ分布とほとんど同じ合成データを生成しようとする。生成ネットワークが真のデータ

分布の本質を捉えることができていれば、合成されたデータは真のデータのように見えるはずだ。

1.6.5

 教師なし学習を用いた逐次データ分析

教師なし学習は時系列データのような逐次データ（

sequential data

）を 扱 う こ と も で き る 。 そ の よ う

な学習手法の

1

つにマルコフモデルの隠れ状態の学習がある。単純マルコフモデル（

simple Markov

model

）では、状態は完全に観測でき状態の推移は確率的に（つまりランダムに）定まる。次の状態は、

現在の状態のみに依存し、それ以前の状態には依存しない。

隠れマルコフモデル（

hidden Markov model

）では、状態は部分的にしか観測できないが、この部分

的にしか観測できない状態の出力は完全に観測できる。観測から状態を完全に決定することは不可能

だが、教師なし学習を ...