機械学習のアルゴリズム

機械学習のアルゴリズムについてさらに学習していくと、アルゴリズムは一般的に次の 3 つの機械学習手法のいずれかに分類されることがわかります。

教師あり学習

教師あり学習では、アルゴリズムによる予測は指定された一連のラベル付きの例に基づいて行われます。この手法は、結果がどのようになるかがわかっている場合に便利です。
 

たとえば、過去 100 年の毎年の都市人口が含まれているデータセットがあり、特定の都市の 4 年後の人口がどれくらいになるかを知りたいとします。この結果では、データセットに既に存在するラベル (人口、都市、年) が使用されます。
 

教師なし学習

教師なし学習では、データ ポイントはラベル付きではありません。アルゴリズムによって、データが整理されるか、その構造が記述されることによってラベルが付けられます。この手法は、結果がどのようになるかがわかっていない場合に便利です。

たとえば、顧客データがあり、類似の製品を好む顧客のセグメントを作成したいとします。用意されるデータはラベル付きではなく、結果の中のラベルは、データ ポイント間で検出された類似性に基づいて生成されます。

強化学習

強化学習で使用されるアルゴリズムは、結果から学習し、次に取るアクションを決定するというものです。各アクションの後に受け取るフィードバックを参考にして、アルゴリズムによる選択が正しかったか、どちらでもないか、間違っていたかを判断します。この手法は、自動化システムにおいて人間の指図なしで小さい決定を数多く行う必要がある場合に使用するのに適しています。

たとえば、自律走行車を設計している場合に、この自動車が確実に法律を守り、人々の安全を保つようにしたいとします。この自動車は経験と強化の履歴を獲得するにつれて、どのように車線内にとどまり、制限速度を守り、歩行者に遭遇したときにブレーキをかけるかを学習します。