01 / UNDERSTAND
仕組みと使いどころ
学習データには、表計算データ、文章、Webページ、PDF、動画など、さまざまな形式の情報が含まれます。教師あり学習では正解を示すラベル付きデータを使い、教師なし学習ではラベルのないデータから構造や関係を見つけます。データ量だけでなく品質も重要で、欠損、重複、誤り、偏りなどを含む低品質なデータは、モデルの予測精度や信頼性を損なう可能性があります。そのため、収集後にクリーニングや変換、必要に応じたラベル付けを行います。通常は、モデルの学習用、調整用、最終評価用にデータを分けます。
02 / IN PRACTICE
Training Dataの活用例
たとえば、こんな場面で
迷惑メール判定モデルを作る場合、メールを「迷惑メール」「迷惑メールではない」と分類したデータを学習に使う方法が考えられます。モデルは文章中の特徴とラベルの関係を学び、新しいメールの分類に利用します。
03 / GOOD TO KNOW
使うときのポイント
学習データを確認するときは、量だけで判断せず、欠損、重複、誤り、偏り、ラベルの適切さを確認します。学習用データと最終評価用データが分けられているかも重要です。
参考資料
What is Training Data? | IBM （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。