G検定 用語解説
強化学習とは
試行錯誤で得られる報酬が大きくなるように、エージェントが行動の方針を学習していく機械学習の枠組み。
まず押さえる結論
強化学習は、G検定の「大項目3 機械学習の概要」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。
混同しやすい用語との差
教師あり学習 / 強化学習
教師あり学習は、正解ラベル付きデータを使って分類や回帰を学習します。
強化学習は、環境との相互作用と報酬をもとに行動方針を改善します。
見分け方: 正解ラベルがあるか、報酬にもとづく試行錯誤かを見ます。
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
×教師あり・教師なし・強化学習の分類の取り違え（分類/回帰＝教師あり、クラスタリング/次元削減＝教師なし）。
×L1正則化（ラッソ＝係数が0になり変数選択も兼ねる）とL2正則化（リッジ＝係数を小さく抑えるが0にはなりにくい）の混同。
×適合率（精度）と再現率の取り違え、および混同行列の読み方。
関連する確認問題
大項目3 機械学習の概要 / 機械学習の種類
正解ラベルが与えられていないデータから、データに潜む構造やまとまりを自動的に見つけ出すことを目的とする学習の枠組みはどれか。
正解は「教師なし学習」である。正解ラベルを使わずデータ内部の構造やまとまり（クラスタなど）を抽出するのは教師なし学習。教師あり学習は入力と正解ラベルの対応を学ぶため誤り。強化学習は報酬を手がかりに方策を学ぶ枠組みで、構造抽出が目的ではない。深層強化学習も報酬最大化を目指す強化学習の一種であり該当しない。 選択肢を切るときは、設問の条件を「教師なし学習」「教師あり学習」「強化学習」のどれに結び付けるかを先に固定する。「教師あり学習」、「強化学習」、「深層強化学習」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「教師なし学習」は、問われている定義や状況に最も直接対応する点で選べる。
大項目3 機械学習の概要 / 機械学習の種類
エージェントが環境と試行錯誤しながら行動し、得られる報酬の総和が最大になるような方策を獲得していく学習の枠組みはどれか。
正解は「強化学習」である。報酬を手がかりに試行錯誤して方策を学ぶのは強化学習。教師あり学習は正解ラベル付きデータから入出力関係を学ぶもので報酬の概念はない。教師なし学習はラベルなしデータの構造抽出が目的。アンサンブル学習は複数のモデルを組み合わせて精度を高める手法であり、学習の枠組みそのものではない。 選択肢を切るときは、設問の条件を「強化学習」「教師あり学習」「教師なし学習」のどれに結び付けるかを先に固定する。「教師あり学習」、「アンサンブル学習」、「教師なし学習」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「強化学習」は、問われている定義や状況に最も直接対応する点で選べる。
大項目3 機械学習の概要 / 機械学習の種類
あらかじめ正解（ラベル）が与えられたデータを用いて、入力と正解の対応関係を学習する機械学習の枠組みはどれか。
正解は「教師あり学習」である。教師あり学習は、あらかじめ正解（ラベル）が与えられたデータを用いて、入力と正解の対応関係を学習する枠組みで、分類や回帰に用いられる。教師なし学習は正解のないデータから構造を見つける枠組み、強化学習は報酬を手がかりに方策を学ぶ枠組み、半教師あり学習は少量のラベル付きと大量のラベルなしを組み合わせる枠組みである。 選択肢を切るときは、設問の条件を「教師あり学習」「教師なし学習」「強化学習」のどれに結び付けるかを先に固定する。「教師なし学習」、「強化学習」、「半教師あり学習」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「教師あり学習」は、問われている定義や状況に最も直接対応する点で選べる。
同じ章で確認したい用語
到達チェック
- 強化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、強化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