MENU

「機械学習の分類(教師あり学習・教師なし学習・強化学習)」の解説〜 ITパスポート R4年 問24 〜

当ページのリンクには広告が含まれています。
目次

教師あり学習・教師なし学習・強化学習 とは?

「教師あり学習」とは、あらかじめ問題(データ)とその答えを与え学習させる方法のことです。

「教師なし学習」とは、問題(データ)のみを与え、その答えは与えずに学習させる方法のことです。

「強化学習」とは、明確な正解がない時、どの行動が「最適」か選択するように学習させる方法のことです。

機械学習とは?

「機械学習」とは、コンピューターが大量のデータを学習し、分類や予測などのタスクを遂行するアルゴリズムやモデルを自動的に構築する技術のことです。機械学習は、AIの中核技術でもあり、ディープラーニングも機械学習の一部になります。

機械学習は、学習方法から、「教師あり学習」「教師なし学習」「強化学習」の3つの枠組みに分けることができます。

教師あり学習とは?

「教師あり学習」は、学習データに正解を与えた状態であらかじめ問題(データ)とその答えを与え学習させる方法になります。教師あり学習で解く問題で代表例として、「回帰」と「分類」があります。

「回帰」とは、連続する数値を予測するものになります。平均気温や天候といったデータやお弁当の販売個数の関係を学習し、将来のお弁当の販売個数を予測するものが回帰になります。

「分類」とは、あるデータがどのクラスに属するかを予測するものになります。迷惑メールか否かが分かっているクラス分けがされたデータから、文章の特徴とクラスの関係を学習し、新着メールが迷惑メールか否かを予測するといったものが分類になります。

教師なし学習とは?

「教師なし学習」とは、問題(データ)のみを与え、その答えは与えずに学習させる方法のことです。

例えば、Googleによるネコの画像の識別をしたとします。その時、それがネコであるという情報は与えずネコの画像のデータを入力して学習させます。推論用データとして動物の画像を入力されたとき、それがネコと呼ばれるものであるかどうかは判別できないものの、ネコと他の生き物を区別することができます。

このような特徴から、教師なし学習は、データをクラスタというまとまりに分ける「クラスタリング」による顧客のグループ化といった用途に用いられます。

強化学習とは?

「強化学習」とは、明確な正解がない時、どの行動が「最適」か選択するように学習させる方法のことです。

強化学習は、コンピューターが一定の環境の中で試行錯誤を行うことが学習用データとなり、望ましい行動に報酬を与えたり、望ましくない行動に罰を与えたりするプロセスを繰り返すことで、何が長期的に良い行動なのかを学習させます。

例えば、戦略ゲーム(コンピューターゲーム)で他のプレイヤーより高得点になる行動パターンを特定し、勝つようにコンピュータプログラムをトレーニングすることができます。

教師あり学習に関する問題(令和4年問24)

教師あり学習の事例に関する記述として,最も適切なものはどれか。

ア.  衣料品を販売するサイトで,利用者が気に入った服の画像を送信すると, 画像の特徴から利用者の好みを自動的に把握し,好みに合った商品を提案する。

イ.  気温,天候,積雪,風などの条件を与えて,あらかじめ準備しておいたルールベースのプログラムによって,ゲレンデの状態がスキーに適しているか判断する。

ウ.  麺類の山からアームを使って一人分を取り,容器に盛り付ける動作の訓練を繰り返したロボットが,弁当の盛り付けを上手に行う。

エ.  録音された乳児の泣き声と,泣いている原因から成るデータを収集して入力することによって,乳児が泣いている原因を泣き声から推測する。

出典:令和4年度 ITパスポート試験公開問題 問24

正しいと思う選択肢をクリックしてみてください!!!

ア.  衣料品を販売するサイトで,利用者が気に入った服の画像を送信すると, 画像の特徴から利用者の好みを自動的に把握し,好みに合った商品を提案する。

不正解です。

イ.  気温,天候,積雪,風などの条件を与えて,あらかじめ準備しておいたルールベースのプログラムによって,ゲレンデの状態がスキーに適しているか判断する。

不正解です。

ウ.  麺類の山からアームを使って一人分を取り,容器に盛り付ける動作の訓練を繰り返したロボットが,弁当の盛り付けを上手に行う。

不正解です。

エ.  録音された乳児の泣き声と,泣いている原因から成るデータを収集して入力することによって,乳児が泣いている原因を泣き声から推測する。

正解です。

機械学習の分類

この記事が気に入ったら
フォローしてね!

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

コメント

コメントする

目次