Q：
機械学習の専門家はどのように構造化予測を使用しますか？
A：機械学習の専門家は、通常、予測分析のより順序付けられた開始点から恩恵を受けることができる特定の目標または問題に何らかの形態の機械学習手法を適用することにより、構造化された予測をさまざまな方法で使用します。
構造化予測の技術的定義には、「スカラーの離散値または実数値ではなく、構造化オブジェクトの予測」が含まれます。
別の言い方をすれば、真空内の個々の変数を単純に測定する代わりに、構造化された予測は特定の構造のモデルから機能し、それを学習および予測の基礎として使用します。 （AIが人格予測にどのように役立つかをお読みください）
構造化予測の手法は幅広く変化します。ベイジアン手法から帰納論理プログラミング、マルコフ論理ネットワーク、構造化サポートベクターマシン、最近傍アルゴリズムまで、機械学習の専門家はデータの問題に適用できる幅広いツールセットを用意しています。
これらのアイデアに共通しているのは、機械学習作業が本質的に基礎とする基礎構造の使用です。
多くの場合、専門家は自然言語処理のアイデアを与えます。そこでは、品詞がタグ付けされてテキスト構造の要素を表します。他の例には、光学学習認識、機械学習プログラムが特定の入力または複雑な画像のセグメントを解析して手書きの単語を認識するなどがあります処理。たとえば、多くの「レイヤー」で構成される畳み込みニューラルネットワークを使用して、セグメント化された入力に基づいてオブジェクトを認識することをコンピューターが学習します。
専門家は、線形マルチクラス分類、線形互換性関数、および構造化された予測を生成するための他の基礎技術について話すかもしれません。 非常に一般的な意味で、構造化された予測は、教師付き機械学習の幅広い分野とは異なるモデルに基づいて構築されます。自然言語処理およびタグ付き音素または単語の構造化された予測の例に戻ると、教師付き機械学習は、おそらくテストセットやトレーニングセットで提供される意味のあるテキストである構造モデル自体を対象としています。
次に、機械学習プログラムがその作業を行うために解放されると、それは構造モデルに基づいています。 専門家によると、それは、プログラムが動詞、副詞、形容詞、名詞などの品詞を他の品詞と間違えたり、グローバルな文脈でどのように機能するかを区別するのではなく活用する方法を理解する方法の一部を説明しています。 （データの構造化をご覧ください。構造化データ、非構造化データ、半構造化データを調べます。）
構造化された予測の分野は、さまざまなタイプの機械学習と人工知能が進化するにつれて、機械学習の重要な部分のままです。
