帰納推論

個別の事例や観察データから一般的な規則や法則を導き出す推論方法。結論は確実ではないが、新しい知識の発見に有用であり、機械学習の基礎的な考え方に通じる。

機械学習のモデルの精度を高めるために、元のデータから予測に役立つ特徴量を作成・選択・変換すること。標準化、二値化、離散化、対数変換などの変換のほか、日付から曜日を取り出す、複数の項目を組み合わせるなど、業務の知識を生かした新しい特徴量の作成も含む。予測の時点では得られない情報を特徴量に含めてしまうデータリークに注意する。

個人データの匿名化手法の一つで、ある閾値以上の値をすべて「○以上」に（トップコーディング）、閾値以下の値を「○以下」に（ボトムコーディング）まとめて置き換えること。年収や年齢などで、該当者が少なく特定されやすい極端な値を持つ人の識別を防ぐ。分布の端の詳細は失われるが、大部分のデータの値はそのまま残せる。

年齢、性別、郵便番号など、組み合わせると個人を特定し得る属性（準識別子）について、同じ値の組合せを持つレコードがどれもk件以上になるように、値の一般化（年齢を年代にするなど）や削除を行う匿名化の手法。外部の情報と照合されても、少なくともk人のうちの誰かまでしか絞り込めない。同じ組合せの人がみな同じ病名を持つ場合などは属性が推測されるため、l-多様性などの考え方で補う。

入力されたデータを分析して、分類、予測、検知、認識などの判断を行うAI。売上予測や離反予測、顧客のグルーピング、画像による不良品の検知などに使われ、仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替などの目的で業務に組み込む。新しいコンテンツを作り出す生成AIと対比される。

材料の組成、構造、製造条件、物性などのデータを機械学習などで分析し、目的の性質を持つ新しい材料の候補を効率よく探索する手法。実験やシミュレーションの回数を減らし、材料開発の期間と費用を大きく縮められる。MIと略される。

大規模言語モデルに、最終的な答えだけでなく、そこに至る途中の推論の手順を順に書き出させる手法で、思考の連鎖ともいう。プロンプトで推論過程の例を示したり、「段階的に考えて」と指示したりすることで、計算や論理的な推論を要する問題の正答率が上がる。推論の過程を内部で長く行うよう学習した推論モデルも登場している。