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、どのような結果になるかを把握し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を含むデータセットを指定し、それに基づいて、特定の都市の今後 4 年間の人口を確認するとします。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、どのような結果になるかを把握していない場合に便利です。

たとえば、顧客データを入力し、類似の製品が好きな顧客のセグメントを作成するとします。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、そのアルゴリズムは、選択が正しかったか、間違っていたか、どちらでもなかったかを判断するうえで役立つフィードバックを受け取ります。人間の指図なしで小さい決定を数多く行う必要がある自動化されたシステムに適した手法です。

たとえば、あなたが自律走行車を設計しているとします。そして車が確実に交通法規を守るようにして、乗車している人の安全を確保したいと思っています。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。