教師あり学習・教師なし学習・強化学習

の学習方法は、大きく、、の3つに分かれます。 AIF-C01では、ユースケースの説明文からこの3つを選び分ける問題が繰り返し出ます。

概要

3つの違いは、何を手がかりに学ぶかです。

必要なデータ	学ぶもの	代表的な用途
	入力から正解を当てる規則	需要予測、不正検知、画像分類
	データに潜む構造やまとまり	顧客セグメント、
環境と報酬の設計	報酬を最大にする行動の方針	制御、経路探索、の最適化

試験では、まずがあるかを確認し、次に行動の結果として報酬が返る仕組みかを確認する順で判断します。

入力と正解の組を大量に与え、新しい入力に対して正解を予測できるようにします。出力の形によって分類とに分かれます。

種類	出力	例
分類 (classification)	あらかじめ決めたカテゴリー	迷惑メールかどうか、故障するかどうか
回帰 (regression)	連続した数値	来月の売上、住宅価格、所要時間

⚠️ 頻出: 「はい・いいえ」や「AとBとCのどれか」を当てるなら分類、「いくらか」「何個か」を当てるなら回帰です。

Point

supervised learning = 教師あり学習 です。supervise は「監督する」 という動詞で、正解が監督役として付いているイメージです。
和訳
- supervise: 監督する、管理する
- Weblio英和辞書「supervise」

を使わず、データそのものの構造を見つけます。

どんなグループがあるか事前に分からない場合はクラスタリング、グループが決まっていてどれに入るか当てたい場合は分類です。

⚠️ 頻出: 顧客を事前定義のない集団に分けたいならクラスタリング (教師なし) 、既存の会員ランクへ振り分けたいなら分類 (教師あり) です。

エージェントが環境の中で行動し、その結果として得られる報酬を最大化する方針を学びます。ラベル付きの正解はなく、良い行動には高い報酬、悪い行動には低い報酬を与えて学ばせます。

は、正解を1つに定めにくく、試行を繰り返せる問題に向きます。の分野では、人間の評価を報酬として使う人間のフィードバックによる強化学習 () が、モデルを人の好みへ合わせるために使われます。

Point

実務ではラベルを全件に付けられないことが多いため、次の中間的な方法も使われます。

方法	内容	位置づけ
	少量のと大量のを併用します。	コストを抑えたいときに使います。
	データの一部を隠して当てさせるなど、データ自身から擬似的な正解を作ります。	ので使われる考え方です。

基盤モデルの事前学習は、大量のラベルなしテキストから次の語を当てる形で学ぶため、人手のラベル付けを必要としません。この点が、基盤モデルはすぐ使い始められるという利点につながります。