Unsupervised Learning
Unsupervised Learning
Unsupervised Learning（教師なし学習）とは
ひとことで
正解（ラベル）のないデータから、データの中に潜むまとまりや構造、特徴を見つけ出す機械学習の手法。クラスタリングや次元削減が代表的なタスク。
たとえると
名前も種類も書かれていない大量の写真を渡され、「似たもの同士でグループに分けて」と頼まれるようなものです。正解は教えられていませんが、色や形の共通点からまとまりを見つけていきます。
現場ではこう使う
通販サイトのマーケティング担当者は、顧客をどう分類すべきか、あらかじめ決めていませんでした。購入金額、購入頻度、よく買う商品の種類などのデータに教師なし学習（クラスタリング）を適用したところ、「週末にまとめ買いする層」「セール時だけ買う層」などのグループが見えてきました。現在は、グループごとにキャンペーンの内容を変えています。
試験のポイント
EXAM POINT「正解ラベルなし」「データをグループに分ける（クラスタリング）」「データの特徴を少ない項目にまとめる（次元削減）」と出てきたら教師なし学習です。代表的な手法として、k-means法や主成分分析（PCA）が挙げられます。あらかじめ決めたカテゴリに振り分ける「分類」は教師あり学習なので、「分類」と「クラスタリング」の違いに注意しましょう。
混同しやすい用語との違い
- Supervised Learning正解ラベル付きのデータで学ぶ。決められたカテゴリへの「分類」は教師あり学習
- Reinforcement Learning環境の中で行動し、報酬をもとに最適な行動を学ぶ