RADIOLOGY GLOSSARY
教師なし学習（Unsupervised learning）
IN ONE LINE
一言でいうと
対応する目的ラベルを与えず、入力データの分布・構造や類似性を学ぶ機械学習の方法です。
BEGINNER GUIDE
はじめて学ぶ方へ
答えのラベルを示さず、データの似方やまとまりを探す学習です。
身近なイメージ
病型ラベルなしで画像特徴をまとめたところ、群が撮影装置の違いと対応した教材例です。 病型を発見したと即断せず、装置・条件の影響を検証します。
そもそも教師なし学習とは？
答えのラベルを示さず、データの似方やまとまりを探す学習です。
目的ラベルなし。／クラスタリング・次元削減。／群の意味の検証。
定義・しくみ
対応する目的ラベルを与えず、入力データの分布・構造や類似性を学ぶ機械学習の方法です。クラスタリングや次元削減等が含まれ、見つけた群や成分に臨床的意味が自動的に付くわけではありません。
FORMULA
得られた群番号を病型の確率とはしません。
尺度に敏感な距離では標準化の学習範囲を明示します。
具体例で確認
病型ラベルなしで画像特徴をまとめたところ、群が撮影装置の違いと対応した教材例です。
病型を発見したと即断せず、装置・条件の影響を検証します。
専門的にもう一歩
距離・特徴量・尺度やアルゴリズムの仮定で結果が変わります。画像特徴の群を得ても、装置差や撮影条件の群かもしれず、病型と断定せず別の根拠で検証します。ラベルを使わない前処理でも、最終評価データで学習した変換を使えばリークになり得ます。新データへ適用する場合は学習と変換の範囲を明示します。
臨床・測定での確認点
- 特徴量・尺度・距離の選択を記録します。
- 群の安定性と臨床的意味を別々に評価します。
- 新データ評価では前処理の学習範囲を管理します。
覚えるポイント
- 目的ラベルなし。
- クラスタリング・次元削減。
- 群の意味の検証。
間違えやすい点
- 教師なしなら偏りがないとは限りません。
- 群が真の診断分類とは限りません。
- 目的値を使わない処理ならリークしないとはしません。