教師あり学習の基礎

このレッスンで学ぶこと

このレッスンを完了すると、分類と回帰の違い、訓練データとテストデータの役割、過学習と汎化の概念、そして精度・再現率・F値などの評価指標を理解できるようになります。

セクション1: 分類と回帰

教師あり学習のタスクは、大きく「分類」と「回帰」の2種類に分かれます。

分類（Classification）

分類は、データをあらかじめ定められたカテゴリに分けるタスクです。

医療現場での分類の例：

• 疾患の判定：患者の症状と検査結果から、疾患の有無を予測
• 画像診断：胸部X線画像を「正常」「肺炎」「肺がん疑い」に分類
• リスク分類：患者を「低リスク」「中リスク」「高リスク」に分類

回帰（Regression）

回帰は、連続的な数値を予測するタスクです。

医療現場での回帰の例：

• 生存期間の予測：患者データから生存期間（日数）を予測
• 検査値の予測：現在のデータから将来の検査値（HbA1c等）を予測
• 治療効果の定量化：治療前後の改善度合いを数値で予測

セクション2: 訓練データとテストデータ

データの分割

機械学習では、手持ちのデータを複数の部分に分割して使います。これは、モデルの「カンニング」を防ぐためです。

基本的な分割（2分割）：

• 訓練データ（Training Data）：モデルを学習させるためのデータ（70〜80%）
• テストデータ（Test Data）：最終的な性能評価に使うデータ（20〜30%）

検証データの役割

実務では3分割がよく使われます：

• 訓練データ：モデルの学習に使用
• 検証データ（Validation Data）：モデルの調整（ハイパーパラメータチューニング等）に使用
• テストデータ：最終評価にのみ使用（調整中は一切触れない）

セクション3: 過学習と汎化

過学習（Overfitting）

過学習は、モデルが訓練データに過度に適合し、新しいデータに対して性能が低下する現象です。

過学習の兆候：

• 訓練データでの精度は非常に高い（99%以上など）
• テストデータでの精度が大幅に低下する
• モデルが訓練データの「ノイズ」まで覚えてしまっている

過学習を防ぐ手法：

• 正則化：モデルの複雑さにペナルティを課す
• 早期停止：検証データの性能が悪化し始めたら学習を止める
• データ拡張：訓練データの量を増やす
• ドロップアウト：学習時にランダムにニューロンを無効化する

汎化（Generalization）

汎化とは、学習したモデルが未知の新しいデータに対しても適切に予測できる能力のことです。

セクション4: 評価指標

分類の評価指標

精度（Accuracy）： 全データのうち、正しく分類された割合。データの偏りが少ない場合に有用。

再現率（Recall / Sensitivity）： 実際に陽性のもののうち、正しく陽性と予測できた割合。「見落とし」の少なさを示す。

適合率（Precision）： 陽性と予測したもののうち、実際に陽性だった割合。「誤報」の少なさを示す。

F値（F1-score）： 再現率と適合率の調和平均。両方のバランスを見る指標。

回帰の評価指標

平均二乗誤差（MSE）： 予測値と実際の値の差の二乗の平均。外れ値に敏感。

平均絶対誤差（MAE）： 予測値と実際の値の差の絶対値の平均。外れ値に頑健。

決定係数（R²）： モデルがデータの分散をどの程度説明できるかを示す（0〜1、1が最良）。

まとめ

このレッスンでは、教師あり学習の基礎を学びました。

重要なポイント：

1. 分類と回帰：分類はカテゴリ予測、回帰は連続値予測
2. データの分割：訓練・検証・テストの3分割が実務の基本
3. 過学習と汎化：訓練データへの過剰適合を防ぎ、未知データでの性能を高める
4. 評価指標：タスクの目的に合った指標を選択する。医療では再現率が特に重要