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 |
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