「教師あり学習」「教師なし学習」「強化学習」の違い・比較

AIや機械学習を学ぶ際に登場する「教師あり学習」「教師なし学習」「強化学習」の違いについて解説します。

「教師あり学習」「教師なし学習」「強化学習」の違い

「教師あり学習」「教師なし学習」「強化学習」の違いを表にまとめると以下のとおりです。

次節では、これらの違いについて詳しく解説します。

教師あり学習

教師あり学習（Supervised Learning）とは、「入力データ（特徴量）」とそれに対応する「正解ラベル（出力）」がセットになったデータを使って学習する手法全般を指します。つまり、教師あり学習によって生成されるモデルは「正解を当てる」ように訓練されます。

• 特徴
  • 学習データに正解ラベルが必要
  • 主に「分類」や「回帰」に使われる
  • 精度評価がしやすい（正解があるため）
• 代表的なアルゴリズム
  • 線形回帰、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
  • ニューラルネットワーク、深層学習

活用事例

教師なし学習

教師なし学習（Unsupervised Learning）とは、正解ラベルがないデータを使って、データの構造やパターンを発見する手法全般を指します。つまり、教師なし学習により生成されるモデルは「データの特徴を自分で見つける」ように学習します。

• 特徴
  • 学習データに正解ラベルは不要（分類先が決まっていない）
  • 主に「クラスタリング」や「次元削減」に使われる
  • 生成されたモデルの評価が難しい（正解がないため）
• 代表的なアルゴリズム
  • k平均法、階層型クラスタリング
  • 主成分分析（PCA）
  • トピックモデル（LDA）

活用例

強化学習

強化学習（Reinforcement Learning）とは、エージェント（学習者）が環境と相互作用しながら、「報酬」を最大化するように行動を学習する手法です。正解はなく、試行錯誤で最適な行動を見つけます。

• 特徴
  • 学習データに正解ラベルはなく、「報酬」が与えられる
  • 状況に応じた「行動選択」が中心
  • 時系列的な学習が多い（状態 → 行動 → 報酬）
• 代表的なアルゴリズム
  • Q学習（Q-learning）
  • SARSA
  • Deep Q Network（DQN）
  • Policy Gradient法
• 活用例
  • ゲームAIが勝利を目指してプレイを学習
  • ロボットが障害物を避けながらゴールに到達
  • 自動運転車が安全かつ効率的に走行する方法を学習

活用例

どの学習タイプを選ぶべきか？

関連ページ

【機械学習のアルゴリズム超入門】原理からプログラミング実装例まで解説

機械学習のアルゴリズム（原理）やプログラミング方法について入門者向けにまとめました。

algorithm.joho.info

2024.07.06

【Scikit-learn超入門】使い方をサンプルコード付きで解説

Pythonライブラリ「Scikit-learn」で機械学習を行う方法を入門者向けに解説します。

python.joho.info