【図解】コレ１枚でわかる機械学習の学習方法

機械学習は、学習のさせ方により「教師あり学習（Supervised Learning）」、「教師なし学習（Unsupervised Learning）」、「強化学習（Reinforcement Learning）」の3つに大別することができます。

教師あり学習

入力と正解例の関係を示したデータを学習データとして入力し、その関係を再現できる推論モデルを生成します。例えば、「イヌ」という正解を付した画像、「ネコ」という正解を付した画像を学習させ「イヌ」や「ネコ」それぞれに固有の特徴の組合せパターンを見つけ出し、両者の違いをうまく表現できる推論モデルを生成します。

故障診断や画像分類など、ものごとをうまく区別、仕訳する「分類」、利益の予測、不正検知など、データを元に傾向（関数）を導き出し、今後の数値を予測する「回帰」に用いられています。

教師なし学習

なんの説明もない学習データを入力し、抽出した特徴の組合せパターンから類似したグループを見つけ出す推論モデルを生成します。例えば、「イヌ」、「ネコ」、「トリ」を区別することなく学習データとして入力すると、それぞれの特徴の組合せパターンの違いを見つけ出し、推論モデルを生成します。それぞれを特徴付ける「概念」といえるものを作り出していると言えるかもしれません。

いろいろなものの中から似たもの同士を集めてグループ化する「クラスタリング」、データの圧縮やデータ相互の関係を見える化する「次元圧縮」に用いられています。

強化学習

推論の結果に対して評価（報酬）を繰り返し与えることで、どのような結果を出して欲しいかを示し、その結果をもうまく再現できる推論モデルを生成します。例えば、ゲームの得点が高ければ「＋」に評価し、低ければ「−」に評価することを繰り返してゆくことで、得点が高くなる、つまり、プラス評価という報酬が与えられるようなゲームのやり方を再現できる推論モデルを生成します。

囲碁や将棋などのゲームに勝つ、効果的な広告を出稿する、安全な自動運転を実現することなどに用いられています。

ITビジネス・プレゼンテーション・ライブラリー／LiBRA

【5月度・コンテンツを更新しました】=============

• 新規プレゼンテーション・パッケージ「DXの本質と新しいビジネスへの取り組み」を追加しました。
• ITソリューション塾・講義の動画を新しい内容に更新しました。
• DXについてのプレゼンテーションを大幅や追加・改訂致しました。

========================================
総集編
【改訂】総集編　2019年5月版・最新の資料を反映しました。