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。
| 学習タイプ | 正解ラベル | 主な目的 | 代表例 | 評価方法 |
|---|---|---|---|---|
| 教師あり学習 | あり | 予測・分類 | 回帰・分類モデル | 精度・誤差 |
| 教師なし学習 | なし | 構造発見 | クラスタリング・次元削減 | 可視化・統計指標 |
| 強化学習 | なし（報酬） | 最適行動選択 | Q学習・DQNなど | 累積報酬 |
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
コメント