機械学習を理解する出発点、3つの学習パラダイムの違いを押さえます。
白峰 リリ
機械学習って、どこから手をつければいいの?
神楽 モニカ 先生
まずは機械学習の3分類、教師あり学習・教師なし学習・強化学習を押さえましょう。
紅林 かえで
教師あり学習は『正解ラベル付きデータ』で学習する。 例: メールがスパムか否か(0/1ラベル)、住宅価格(数値ラベル)。
藍沢 しずく
教師なし学習は?
紅林 かえで
正解ラベルなしで、データ自体の構造を見つける。 例: クラスタリング(顧客セグメンテーション)、次元削減(可視化)。
白峰 リリ
強化学習は?
神楽 モニカ 先生
行動と報酬から最適行動を学ぶ。 例: ゲームAI(AlphaGo)、ロボット制御、レコメンド。 試行錯誤を通じて学ぶのが特徴。
紅林 かえで
教師ありはさらに回帰(連続値予測)と分類(カテゴリ予測)に分かれる。 教師なしはクラスタリング・次元削減・アソシエーションなど。
藍沢 しずく
3分類だけじゃなくて、もっと細かい分け方もあるんですねぇ。
神楽 モニカ 先生
そうね、半教師あり学習・自己教師あり学習・転移学習みたいな中間的な手法もあるけれど、DS検定★レベルでは3分類と、教師ありの2細分(回帰/分類)を押さえれば十分よ。
白峰 リリ
じゃあ、課題を見て『これは教師あり?
なし?』ってパッと判断できればOKなんだね。
紅林 かえで
DS検定では『次の課題に最も適した学習はどれか』というシナリオ問題が頻出。 ラベルがある→教師あり、構造発見→教師なし、行動最適化→強化、という基本の対応を押さえておけば迷わないよ。
藍沢 しずく
がんばって覚えますぅ♪
確認クイズ
顧客の購買履歴を使って似た購買傾向の顧客をグループ化したい。最も適切な学習手法はどれか。
- 教師あり学習(回帰)
- 教師あり学習(分類)
- 教師なし学習(クラスタリング)
- 強化学習
こたえを見る
正解: 3. 教師なし学習(クラスタリング)
教師なし学習(クラスタリング)。 『似た傾向でグループ化する』ことが目的で、事前に正解ラベル(『これがグループAだよ』)はないため教師なし学習に該当します。 k-means等のクラスタリング手法が用いられます。
