機械学習の主な種類

機械学習は、その学習方法によって大きく3つの種類に分類されます。それぞれの特徴と代表的な使いみちを見ていきましょう。

1. 教師あり学習 (Supervised Learning)

教師あり学習は、**正解データ（ラベル）**が与えられたデータセットを使って学習する方法です。入力データとそれに対応する正解のペアを大量に学習することで、未知のデータに対する予測モデルを構築します。

例えるなら、問題と答えがセットになった問題集を繰り返し解いて、新しい問題に答えられるようにする学習方法です。

タイタニック号の生存者予測は、この教師あり学習の典型的な例です。乗客の年齢、性別、客室の等級といったデータ（入力）と、その乗客が生存したか死亡したかという情報（正解ラベル）を学習し、まだ結果がわからない乗客の生存確率を予測します。

主なタスク:

分類 (Classification): データを予め定義されたカテゴリに分類します。（例: スパムメール判定、画像に写っている動物の種類の特定、顧客が購入するかどうかの予測）
回帰 (Regression): データから連続する数値を予測します。（例: 株価予測、不動産価格の予測、気温の予測）

教師なし学習は、正解データ（ラベル）が与えられないデータセットを使って学習する方法です。データそのものの構造、パターン、関係性を見つけ出すことを目的とします。

例えるなら、答えのない問題集から、問題の傾向やグループ分けを自分なりに見つけ出すようなアプローチです。

主なタスク:

クラスタリング (Clustering): 似た者同士のデータをグループにまとめます。（例: 顧客セグメンテーション、遺伝子のパターン分析）
次元削減 (Dimensionality Reduction): データの重要な特徴は維持しつつ、情報の量を削減します。（例: データ可視化、特徴抽出）
アソシエーション分析 (Association Analysis): データの中から「Aが起きればBも起きやすい」といった関連性を見つけ出します。（例: 「おむつとビール」のバスケット分析）

強化学習は、ある環境の中でエージェント（学習する主体）が試行錯誤を繰り返しながら、報酬 (Reward) を最大化するような行動 (Action) を学習する方法です。

犬のしつけに似ています。エージェントが良い行動をとれば「報酬」としておやつを与え、悪い行動をとれば報酬を与えない（あるいは罰を与える）ことで、望ましい行動を学習させていきます。

主なタスク:

タイタニックの問題では、主に教師あり学習の分類タスクに取り組みます。次のセクションでは、教師あり学習の流れをもう少し詳しく見ていきましょう。