DS検定 用語解説
教師なし学習とは
正解ラベルのないデータから、まとまりや構造を見つける学習方法。
まず押さえる結論
教師なし学習は、DS検定の「第5章 データ準備・可視化技法とモデル化」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-12。
試験概要（公式）具体例から判断の境界を固める
正解ラベルを使って対応関係を学ぶ手法ではなく、ラベルのないデータから構造やパターンを見つける手法として捉える
購買データを似た傾向ごとにグループ分けしたり、大量の変数を少ない次元に要約したりする場面では、正解ラベルを与えず、データに潜む構造やまとまりをモデル自身に見つけさせます。これが教師なし学習で、似たデータをグループへまとめるクラスタリングと、データの次元を圧縮する次元削減が代表例です。
- 問題文で見る箇所
- 「ラベルなし」「構造やまとまりを見つける」「クラスタリング」「次元削減」という語があれば教師なし学習を候補にします。入力と正解の組が与えられている、報酬を手がかりにするという記述であれば、教師なし学習ではなく別の学習方法を候補にします。
- 隣接概念との境界
- 教師あり学習は正解ラベル付きのデータで入力と正解の対応関係を学ぶ手法で、分類や回帰が代表例です。強化学習は正解ラベルではなく行動の結果として得る報酬を手がかりに試行錯誤で学習する枠組みです。教師なし学習はこの2つと異なり、正解ラベルを一切使わずデータ自体の構造を見つける点が特徴です。
誤答しやすい選択肢
- ラベルなしデータから構造やまとまりを見つける教師なし学習を、入力と正解の対応を学ぶ教師あり学習と同じ枠組みとして扱う。ラベルの有無で2つは分かれます。
- クラスタリングの結果として得られたグループ分けを、最初から与えられていた正解ラベルと取り違え、教師あり学習として扱う。グループ分けはモデルが後から見つけたものです。
- 報酬を手がかりに行動を改善する強化学習を、ラベルを使わないという理由だけで教師なし学習として扱う。強化学習は報酬にもとづく試行錯誤という別の枠組みです。
4段階の判断手順
- 01設問にラベルという語があるかどうかを先に確認する。
- 02目的が構造やまとまりの発見（クラスタリング・次元削減）かどうかを確認する。
- 03正解ラベルを使う分類・回帰の説明であれば教師あり学習に切り替える。
- 04行動の結果として得られる報酬という語があれば強化学習に切り替える。
到達条件: 教師なし学習をラベルなしデータから構造を見つける手法として説明し、教師あり学習・強化学習との違いを言える。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
×過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
×Precision（適合率）とRecall（再現率）の取り違え。目的（見逃しを減らしたいか、誤検知を減らしたいか）によって重視する指標が変わる。
関連する確認問題
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
品質レビューで次の判断を再検証する。正解ラベル付き購買データで予測する方法と、ラベルなしデータから構造を探す方法の区別として正しいものはどれか 根拠と用語の対応まで確認して選べ。
レビューでは、設問の対象と役割を分けると「教師あり学習は正解データ（ラベル）を用い、教師なし学習は用いない」を採用できる。正解は「教師あり学習は正解データ（ラベル）を用い、教師なし学習は用いない」である。教師あり学習は入力と正解ラベルの対応関係から学習し、単回帰分析や重回帰分析のような回帰、ロジスティック回帰分析のような分類のいずれも扱う。教師なし学習はラベルを用いず、クラスター分析のようにデータの構造やまとまりを見つける。「教師あり学習は必ず回帰、教師なし学習は必ず分類を行う」は、教師あり学習にロジスティック回帰分析のような分類も含まれる点を無視している。「教師あり学習と教師なし学習に違いはない」は、正解ラベルを使うかどうかという最も基本的な違いを否定してしまっている。「教師なし学習の方が必ず精度が高い」は、正解ラベルなしで学習する教師なし学習と、ラベルを使って学習する教師あり学習の精度を単純に比較できるという前提が誤りである。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
誤答除外の観点から次のケースを検討する。正解ラベル付き購買データで予測する方法と、ラベルなしデータから構造を探す方法の区別として正しいものはどれか 他の候補が条件を満たさないことも確認して選べ。
誤答候補を役割ごとに除外すると「教師あり学習は正解データ（ラベル）を用い、教師なし学習は用いない」だけが条件を満たす。正解は「教師あり学習は正解データ（ラベル）を用い、教師なし学習は用いない」である。教師あり学習は入力と正解ラベルの対応関係から学習し、単回帰分析や重回帰分析のような回帰、ロジスティック回帰分析のような分類のいずれも扱う。教師なし学習はラベルを用いず、クラスター分析のようにデータの構造やまとまりを見つける。「教師あり学習は必ず回帰、教師なし学習は必ず分類を行う」は、教師あり学習にロジスティック回帰分析のような分類も含まれる点を無視している。「教師あり学習と教師なし学習に違いはない」は、正解ラベルを使うかどうかという最も基本的な違いを否定してしまっている。「教師なし学習の方が必ず精度が高い」は、正解ラベルなしで学習する教師なし学習と、ラベルを使って学習する教師あり学習の精度を単純に比較できるという前提が誤りである。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
「教師あり学習」と「教師なし学習」の違いとして最も適切な説明はどれか。
正解は「教師あり学習は正解データ（ラベル）を用い、教師なし学習は用いない」である。教師あり学習は入力と正解ラベルの対応関係から学習し、単回帰分析や重回帰分析のような回帰、ロジスティック回帰分析のような分類のいずれも扱う。教師なし学習はラベルを用いず、クラスター分析のようにデータの構造やまとまりを見つける。「教師あり学習は必ず回帰、教師なし学習は必ず分類を行う」は、教師あり学習にロジスティック回帰分析のような分類も含まれる点を無視している。「教師あり学習と教師なし学習に違いはない」は、正解ラベルを使うかどうかという最も基本的な違いを否定してしまっている。「教師なし学習の方が必ず精度が高い」は、正解ラベルなしで学習する教師なし学習と、ラベルを使って学習する教師あり学習の精度を単純に比較できるという前提が誤りである。
同じ章で確認したい用語
到達チェック
- 教師なし学習を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、教師なし学習に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）