教師なし学習とは

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」に出てくる用語です。見分けの要点は、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。

教師なし学習の具体例と、問題文で見る箇所・隣接概念との境界

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

1. 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。
2. 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。
3. 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。
4. 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

誤答しやすいポイント

「第5章 データ準備・可視化技法とモデル化」の問題で、取り違えやすい組み合わせです。

• 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

同じ章で確認したい用語

他資格でも出題される用語