マルテクテクBETA G検定
用語の違い

教師あり学習・教師なし学習・強化学習の違い

8 min read

機械学習の手法は、大きく「教師あり学習」「教師なし学習」「強化学習」の3つに分けられます。G検定では、この3つの違いと、それぞれの代表的な手法・使い道が繰り返し問われます。見分けるポイントは、学習のときに「正解(ラベル)」があるかどうかと、何を目標に学習するかです。この記事では、3つの学習の違いを、身近なたとえと具体例で解説します。

まずは一覧で比べる

学習の種類学習に使うもの目的代表的な使い道
教師あり学習入力と正解(ラベル)の組新しい入力に対して正解を予測する迷惑メールの判定、売上の予測、画像の分類
教師なし学習正解のないデータだけデータの中の構造やまとまりを見つける顧客のグループ分け、次元の削減、異常の検知
強化学習行動の結果として得られる報酬報酬の合計が最大になる行動の選び方を身につける囲碁などのゲーム、ロボットの制御、自動運転の判断

教師あり学習:正解つきの問題集で学ぶ

教師あり学習は、「このメールは迷惑メール」「この画像は猫」のように、正解(ラベル)が付いたデータを大量に使って学習します。答えのついた問題集をくり返し解いて、新しい問題にも答えられるようになるイメージです。

教師あり学習は、予測したいものの種類によって2つに分かれます。

種類予測するもの例代表的な手法
分類カテゴリ(どれに当てはまるか)迷惑メールかどうか、写真に写っている動物の種類ロジスティック回帰、サポートベクターマシン(SVM)、決定木、ランダムフォレスト
回帰数値(どれくらいか)明日の売上、住宅の価格線形回帰、ランダムフォレスト、勾配ブースティング
ロジスティック回帰は、名前に「回帰」と付きますが、主に分類に使う手法です。G検定でよく狙われる引っかけなので注意しましょう。

教師あり学習の弱点は、正解ラベルを付けたデータを大量に用意する手間と費用がかかることです。また、学習データに合わせすぎて新しいデータで性能が落ちる「過学習」にも注意が必要です。

教師なし学習:正解なしでまとまりを見つける

教師なし学習は、正解のないデータから、似たもの同士のまとまりや、データの特徴を見つけます。仕分けのルールを教えずに、たくさんの写真を「なんとなく似ているもの同士」に分けてもらうイメージです。

  • クラスタリング:似たデータをグループに分ける。代表的な手法はk平均法(k-means法)。例:購買履歴から顧客をいくつかのタイプに分ける
  • 次元削減:たくさんの項目(特徴量)を、情報をなるべく失わずに少ない項目にまとめる。代表的な手法は主成分分析(PCA)。例:データを2次元のグラフで見られるようにする
  • 異常検知:ふだんのデータのパターンから外れたものを見つける。例:機械のセンサーの値から故障の前兆を見つける

教師なし学習で見つかったグループには、名前や意味は付いていません。「このグループは若い女性の顧客が多い」のような解釈は、人が結果を見て行います。

強化学習:試行錯誤で、得をする行動を覚える

強化学習は、エージェント(学習する主体)が環境の中で行動し、その結果として得られる報酬をもとに、報酬の合計が最も大きくなる行動の選び方(方策)を学ぶ方法です。犬に芸を教えるとき、うまくできたらおやつをあげ、それをくり返すうちに犬が「こうすればおやつがもらえる」と覚えるのに似ています。

強化学習の言葉意味囲碁の場合
エージェント行動を選んで学習する主体囲碁のAI
環境エージェントが働きかける対象碁盤と対戦相手
状態いまの環境のようすいまの盤面
行動エージェントが選ぶ動き次の一手
報酬行動の結果として得られる評価勝てばプラス、負ければマイナス

強化学習では、目先の報酬だけでなく、将来もらえる報酬まで考えて行動を選ぶのが特徴です。また、今わかっている一番よい行動をとる「活用」と、もっとよい行動を探すためにあえて別の行動を試す「探索」のバランスが重要になります。代表的な手法にはQ学習があり、ディープラーニングと組み合わせた深層強化学習は、囲碁のAIなどで大きな成果を上げました。

3つにきれいに分けられない学習

  • 半教師あり学習:少量の正解つきデータと、大量の正解なしデータを組み合わせて学ぶ
  • 自己教師あり学習:データそのものから正解を作り出して学ぶ。たとえば文章の一部を隠し、隠した単語を当てる練習をする。大規模言語モデル(LLM)の事前学習で使われている
  • 人間のフィードバックによる強化学習(RLHF):人が回答のよしあしを評価し、それを報酬として言語モデルを調整する。対話型の生成AIの開発で使われている

試験ではこう問われる

問題文の手がかり答えになりやすいもの
「正解ラベル付きのデータ」「分類」「回帰」「予測」教師あり学習
「ラベルのないデータ」「グループ分け」「クラスタリング」「次元削減」教師なし学習
「報酬」「エージェント」「試行錯誤」「行動の選択」強化学習
「数値を予測する」回帰(教師あり学習)
「似たデータのグループを見つける」クラスタリング(教師なし学習)

考え方の例(本記事のオリジナル例です。実際の試験問題ではありません)

例:あるスーパーが、会員の購買データを使って、売り場づくりの参考にしたい。会員をあらかじめ決まった分類に当てはめるのではなく、買い物の傾向が似た会員同士のグループを見つけたい。→ 正解のラベルがなく、似たもの同士のまとまりを見つけたいので、教師なし学習のクラスタリング(たとえばk平均法)が適しています。もし「この会員は来月退会しそうか」を、過去の退会者のデータから予測したいなら、正解(退会したかどうか)があるので、教師あり学習の分類になります。

まとめ

  • 教師あり学習:正解つきのデータで学び、新しいデータの正解を予測する。分類と回帰がある
  • 教師なし学習:正解なしのデータから、まとまりや特徴を見つける。クラスタリング、次元削減など
  • 強化学習:行動と報酬をくり返し、報酬の合計が最大になる行動の選び方を学ぶ
  • LLMの事前学習は自己教師あり学習、対話への調整にはRLHFが使われる
マルテクテクの用語辞書では、教師あり学習・教師なし学習・強化学習・Q学習・k平均法・主成分分析などを、たとえ話と具体例つきで解説しています。G検定コースの問題とあわせて確認してみてください。
広告

読んだら、問題演習で実力を確認しましょう。

無料で演習を始める