♪この章の曲過去問オーバーフィット
サビで覚えて、下の会話で回収
#1機械学習は、学び方で3つに分かれる

入力CHUのG検定、第3章! ここから機械学習のしくみに入るよ!

…まず全体の地図。機械学習は、学び方で大きく3つ。

3つも? ルナ、AIとは1つの関係しか結べないもん♡

…関係の話はしてない。何を手がかりに学ぶか、で分ける。
| 手がかり | ねらい | |
|---|---|---|
| 教師あり学習 | 特徴量+正解ラベル | 正解を当てる |
| 教師なし学習 | 特徴量だけ | データの構造を見つける |
| 強化学習 | 行動の結果の報酬 | 報酬が最大になる行動を学ぶ |
#2教師あり学習は「答えつき」で練習

…教師あり学習。データと「正解」をセットで見せて学ばせる。

答えつきの問題集で練習する感じ?

…そう。手がかりになる値を「特徴量」、正解を「正解ラベル」と呼ぶ。

…例えばメール。本文の特徴と「迷惑メールかどうか」の答えをペアで覚える。

答えを先に教えてくれるなんて、やさしい先生♡

そのかわり、答えを用意するのが大変そう!

…正解。人が答えをつける手間がかかるのが弱点。
#3教師なし学習は「答えなし」で仲間分け

…教師なし学習。正解は渡さない。特徴量だけ。

え、待って。答えがないのに何を学ぶの!?

…データの中の「似ている・ちがう」を見つける。例えばお客さんを買い方で分ける。

答えのない問い…♡ それって恋なの

ちがう、クラスタリングっていうやつ! 次の次くらいにやるって!
#4強化学習は「やってみて、報酬で覚える」

…強化学習。正解は教えない。行動した結果に「報酬」を返す。

…試行錯誤しながら、報酬の合計が一番多くなる行動を学ぶ。

ゲームで、勝ったら点がもらえるから強くなる、みたいな!

…そう。囲碁のアルファ碁も強化学習を使った。ただし人間の棋譜での教師あり学習とセット。
- 1エージェントが今の状態を見る
- 2行動を1つ選ぶ
- 3環境から報酬と次の状態が返ってくる
- 4報酬が多くなる行動を選びやすくする

ごほうびがないと動かないなんて、ルナと同じ♡

…ルナは、ごほうびがあっても動かない。
#5どれを使うかは、データと目的で決まる

で、結局どれを使えばいいの?

…正解つきのデータがあって、答えを当てたい → 教師あり。

…正解がなくて、データの構造を知りたい → 教師なし。

じゃあ、行動を選び続けて上手になりたいときは?

…強化学習。実際は、いくつかを組み合わせることも多い。

答えあり、答えなし、ごほうび! 覚えた!
ミコのメモ(自分あて)
- 教師あり=特徴量と正解ラベルのペアで学ぶ既読
- 教師なし=特徴量だけ。データの構造を見つける既読
- 強化学習=試行錯誤で報酬の合計を最大にする既読
- アルファ碁は教師あり学習+強化学習の組み合わせ既読
試験デンデン! 1問だけ
正解ラベルは与えず、行動の結果として得られる報酬が最大になるような行動のしかたを試行錯誤で学ぶ方法はどれ?
強化学習は、エージェントが行動し、環境から返る報酬を手がかりに、報酬の合計が大きくなる行動を学ぶ。教師あり学習は特徴量と正解ラベルのペアで学ぶ方法、教師なし学習は正解なしでデータの構造を見つける方法、クラスタリングは教師なし学習の代表的な手法の1つ。
※ 出題範囲を参考にしたオリジナル問題です
この記事の出典
- IBM「機械学習とは」
- scikit-learn User Guide「Supervised learning」
- scikit-learn User Guide「Unsupervised learning」
- Sutton & Barto『Reinforcement Learning: An Introduction』第2版(MIT Press, 2018)
- Silver ほか「Mastering the game of Go with deep neural networks and tree search」(Nature, 2016)
- JDLA「G検定とは」(シラバス)
G検定(JDLA ジェネラリスト検定)のシラバス2024(第1.4版)をもとにした非公式の学習コンテンツです。JDLAとは関係ありません。 登場人物は架空のキャラクターです。