機械学習はデータを自動的に分析し、ルールやパターンを学ぶことで、新たに類似した課題に直面した際に予測と判断を行えるようにするための技術です。ディープラーニングは機械学習の1つで、モデルの精度を高める特徴量を人を介在させず、機会が自動的に有用な特徴量を学習していきます。

【機械学習の種類】
機械学習には、①教師あり学習、②教師なし学習、③強化学習の３つの種類があります。

①教師あり学習
この学習方法では、正解データ（答え）を与えて学習させ、入力データから出力データを予測することを目的とします。つまり、教師あり学習で行えることは主に「回帰」と「分類」です。例えば、回帰では過去の売上から今後の売上を予測するといった、過去データからの予測などが可能であり、分類では写真から特徴によって「人」であるか「犬」であるかの分類などを行えます。

②教師なし学習
正解データを与えずにデータの構造やパターンを発見し、データをグループに分けたり、類似度を計算したりする手法です。教師なし学習で行えることは主に「クラスタリング」と「次元削減」です。クラスタリングでは大量の画像の中から、「耳の形」「4足歩行」といった特徴を自動で抽出することでパターン化し「猫」の画像だけグループとして抽出することを学習を行ったりします。

③強化学習
強化学習は、システムが目標を与えられ、試行錯誤しながら報酬を最大化する行動を学習する方法です。この方法では、教師なし学習と同様に正解データが与えられません。そして、教師あり学習・教師なし学習と異なる点は、始めからデータなどが与えられず、人が介在する場面が少ないのが特徴です。
例えば、囲碁での勝率をあげるといった学習が強化学習にあたります。

これらの学習方法は、異なるタイプの問題に対応するために使われ、機械学習の応用範囲を広げています。教師あり学習は正解データを使った予測や分類に、教師なし学習はデータの構造を理解し、クラスタリングやパターン認識に、強化学習は報酬最大化型の問題に対応しています。これらの手法はビジネスや科学分野で幅広く活用されています。