教師あり学習と教師なし学習 📂機械学習

教師あり学習と教師なし学習

定義

機械学習では、従属変数が決まっている場合を教師あり学習、そうでない場合を教師なし学習という。

例

$20190401\_111249.png$

教師あり学習と教師なし学習の違いを簡単に言えば、客観式と主観式の違いだ。例えば、上に示すように6つのタイルを与えられ、色を答える分類問題があるとしよう。

教師あり学習

$20190401\_111825.png$

でもここで、緑か赤かの二つの選択肢しかないなら、正直に言って半々もあれば、完全に黄色いものもあるが、どちらか近いと思われる方を選ぶことになるだろう。少し違う視点で見れば、答えが「緑」か「赤」という情報を与えたとも見える。この意味で教師あり学習という表現は適当だ。もう少し一般的に言えば、「従属変数が与えられた」ということだ。

教師あり学習は、回帰^regressionと分類^classifyingに興味がある時に使われる。

教師なし学習

$20190401\_112136.png$

反対に、何の制限もなく区別してみろと言われたら、「赤-緑のグラデーション」や「黄色」は、緑や赤とはっきり区別できる異質なものだ。そして、それもまた適切な答えである。このように、学習は行われるが、特定の制限なしに答えが出る点で、教師なし学習という表現は適当だ。この時、機械は答えが緑か赤かにこだわらない。答えに意味を与えるのは人間の役目だ。

教師なし学習は、クラスタリング^clusteringに関心がある時に使われる。

強化学習

教師あり学習と教師なし学習の共通点といえば、客観式であれ主観式であれ、答えがある問題を解く方法だということだ。簡単に言えば、尋ねられたことに答えることだが、強化学習^{reinforcement Learning}は「上手くなること」に焦点を当てる。「何を上手くやればいいんだ？」、「あまりにも漠然としていて、曖昧じゃないか？」という疑問は当然だ。しかし、逆に言えば、「何か上手くやらなければならないが、それが何か漠然としていて曖昧な状況」であれば、強化学習のようなアプローチが必要だと感じるかもしれない。