機械学習とニューラルネットワークの主な違いは、機械学習がデータを分析して学習し、意思決定を行うことができるアルゴリズムの開発を指すのに対し、ニューラルネットワークは人間の脳の神経細胞と同様の計算を行う機械学習のアルゴリズム群である点です。
機械学習とは、データを分析し、そこから学習し、パターンを認識し、それに従って意思決定を行うことができる自己学習型アルゴリズムを開発する技術です。
人工知能の下位カテゴリに位置づけられる。
機械学習では様々なアルゴリズムが使用される。
ニューラルネットもその一つです。
医療、ロボット、製造、農業など様々な分野で利用されている。
機械学習とは
機械学習は、人工知能のサブセットです。
機械学習アルゴリズムは、データを分析し、そこから学習し、意思決定を行う。
統計的な手法を用い、機械が経験によって向上することを可能にする。
機械学習には、大きく分けて「教師あり学習」と「教師なし学習」の2種類があります。
教師あり学習では、入力変数（x）と出力変数（y）が存在する。
アルゴリズムは、入力と出力の対応付け（y=f(x)）により学習される。
新しい入力が与えられると、アルゴリズムは出力を予測する必要がある。
教師なし学習では、入力データ（x）だけが存在する。
出力データはない。
このタイプでは、アルゴリズムを学習する必要はない。
その代わり、入力データのパターンを自ら発見する。
教師なし学習アルゴリズムの主なものの1つにクラスタリングがあります。
これは類似のインスタンスを識別し、それらをグループ化してクラスタを作成する。
通常、教師なし学習は教師あり学習よりも困難です。
機械学習とは、簡単に言えば、データを使って学習し、予測を行うシステムの開発を支援するものです。
ニューラルネットワークとは
ニューラルネットワークは、生物の神経細胞から着想を得たものです。
人間の脳には何百万ものニューロンがあり、1つのニューロンから他のニューロンへ情報が伝達されます。
ニューラルネットワークは、この概念を利用して、計算タスクを高速に実行します。
図2: ニューラルネットワーク
ニューラルネットワークには、フィードフォワードとフィードバックと呼ばれる2つのタイプがあります。
フィードフォワードでは、情報は入力から出力にのみ伝わり、フィードバックループは存在しない。
一方、フィードバック回路では、情報は双方向に伝わり、フィードバック経路が存在する。
フィードフォワードネットワークはさらに、単層ネットワークと多層ネットワークに分類される。
単層ネットワークでは、入力層と出力層がつながっている。
一方、多層ネットワークは、入力層と出力層の間に隠れ層と呼ばれる層を多く持つ。
ニューラルネットワークはノードを含んでいます。
これらのノードは、脳の神経細胞に似ている。
さらに、ネットワーク内の接続は特定の重みを持つ。
ノードへの入力をx1、x2、x3…、対応する重みをw1、w2、w3、…とすると、正味の入力（y）は次のようになる。
y= x1.w1 + x2.w2+x3.w3+….
このネット入力に線形やシグモイドなどの活性化関数を適用すると、以下のような出力が得られる。
Y= F(y)
そして、その出力を評価する。
評価された出力が所望の出力と異なる場合、重みが調整される。
この処理を目的の出力が得られるまで繰り返す。
これがニューラルネットワークの基本的な機能です。
機械学習とニューラルネットワークの違い
定義
機械学習とは、コンピュータがデータから学習し、特定のタスクのパフォーマンスを徐々に向上させることができる統計的手法を使用したアルゴリズムを指す。
ニューラルネットワークは、人間の脳の生物学的なニューロンからヒントを得たシステムで、計算タスクをより高速に実行することができます。
アルゴリズム
回帰、分類、クラスタリング、サポートベクターマシン、ランダムフォレストなどは、機械学習のアルゴリズムの一部です。
また、ニューラルネットワークも機械学習に含まれるアルゴリズムの一つです。
結論
機械学習とニューラルネットワークの違いは、機械学習がデータを分析・学習して判断できるアルゴリズムを開発することを指すのに対し、ニューラルネットワークは機械学習の中でも人間の脳内の中性子のような計算を行うアルゴリズム群であることです。
