教師あり学習／教師なし学習とは

まず押さえる結論

教師あり学習／教師なし学習は、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。

比較記事でさらに確認する

具体例から判断の境界を固める

正解ラベルの有無で分かれる学習方法として捉え、報酬をもとに改善する強化学習とも区別する

住宅価格を予測したり、届いたメールが迷惑メールかどうかを判定したりする場面では、入力とそれに対応する正解（価格や分類ラベル）の組を使ってモデルを学習させます。これが教師あり学習で、連続した数値を当てる回帰と、カテゴリを当てる分類に分かれます。一方、購買データを似た傾向ごとにグループ分けするような場面では、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、クラスタリングや次元削減が含まれます。

問題文で見る箇所

「正解ラベル」「入力と出力の対応」があれば教師あり学習、「ラベルなし」「構造やまとまりを見つける」とあれば教師なし学習を候補にします。「報酬」「エージェント」「方策」という語が出てきた場合は、ラベルの有無で考えず強化学習を候補にします。

隣接概念との境界

強化学習は、正解ラベルではなく行動の結果として得られる報酬を手がかりに方策を改善する枠組みです。教師あり学習のように入力と正解の組を先に与えるのではなく、エージェントが環境の中で試行錯誤しながら学びます。深層強化学習も報酬の最大化を目指す強化学習の一種であり、教師なし学習が目的とする「ラベルなしデータの構造発見」とは異なります。

誤答しやすい選択肢

• ×報酬を手がかりに方策を改善する強化学習を、正解ラベルを使う教師あり学習の一種として扱う。強化学習に正解ラベルという概念はありません。
• ×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。ラベルの有無で二つは分かれます。
• ×k-means法のような教師なしのクラスタリング手法を、正解ラベルを使うSVMやロジスティック回帰と同列の教師あり手法として扱う。手法名だけでなく、ラベルを使うかどうかを確認します。

4段階の判断手順

1. 01設問に正解ラベル・入力と出力の対応が明記されているかを確認する。
2. 02ラベルがなく、構造やまとまりを見つける目的なら教師なし学習を候補にする。
3. 03報酬・エージェント・方策という語があれば、ラベルの有無で考えず強化学習に切り替える。
4. 04回帰・分類は教師あり、クラスタリング・次元削減は教師なしという対応も確認する。

到達条件: 教師あり学習・教師なし学習をラベルの有無で説明し、報酬を手がかりにする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

関連する確認問題

同じ章で確認したい用語