どうも、カタミチです。
今日も、「ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版」(以降、『当書』)で勉強していきたいと思います。
今日から4章ですね。4章のタイトルは「機械学習の具体的手法」とあります。いよいよ具体的な話になっていく感じですかねー。楽しみです。
学習の種類
機械学習と一口に言っても、どのような課題を解きたいかによってアプローチは様々ということですが、課題の構造は共通である場合がほとんどなのだそうです。
もちろん、機械学習にも解けない課題はあるようですが、解ける問題については、その構造ごとに、解決する手段を3つにまとめる事ができます。
なるほど、機械学習の視点を持つ事で、逆に課題の構造を見極める方針が立てられる…ということですね。
教師あり学習
教師あり学習は、「与えられたデータ（入力）を元に、そのデータがどんなパターン（出力）になるのかを識別・予測する」もののようです。
この定義だと、何が「教師」なのか分かりにくいですね（汗）。ただまぁ、教師あり学習については、次の節で詳しく見ていくみたいなので、あまり深掘りはせずにおこうと思います。
ちなみに、出力として連続値を予測する問題のことを回帰問題、離散値を予測する問題のことを分類問題と言い、それぞれ用いる手法が違うようです。
…さて、ボチボチ、数学っぽくなってきましたね。気合入れていかねば。しかし、回帰や離散という言葉はさすがに覚えてますよ、ほとんど忘れ去ったとはいえ、一応、統計検定2級ですから！（何アピール）
ただこのあたりの話もきっと、後の節で出てくるでしょう…たぶん。
教師なし学習
「教師」の定義があいまいだ、と言ったソバから、教師なし学習の説明の中にありました（汗）
教師あり学習は入力と出力がセットとなったデータを用いますが、教師なし学習で用いるデータには出力がありません。つまり、教師あり学習・教師なし学習の「教師」とは、出力データのことを指します。
はい、つまり、問題と答えがセットで用意されているかどうか？って事ですね。
例えば、教師あり学習では…
猫を見せて「これは猫だよ」
犬を見せて「これは猫じゃないよ」
別の猫を見せて「これは猫だよ」
ハトを見せて「これは猫じゃないよ」
…
という感じで教え込んで、だいぶ学習したかなー、という時に、
「じゃあ、これは何？」
と聞く(=識別する)やり方ですね。
「猫です！」「猫じゃないです！」
といった答えがほしい時に使えるやり方ですね。
一方、教師なし学習だと、ひたすら色んな猫を見せ続けて…
「たくさん見せた猫だけど、どんな特徴があった？」
と聞く(=特徴を見出す)やり方ですね。
「耳が2個あります」「尻尾があります」
みたいな答えがほしい時に使えるやり方ですね。
強化学習
最後に、強化学習。「行動を学習する仕組み」とありました。車の自動運転がこれに該当するみたいですね。
「エージェント」が「行動」をすることで「環境」が変わり、その「状態」と「報酬」と同時にフィードバックする。で、さらに「行動」して…。という感じで繰り返す。この時なるべく高い報酬が得られるように行動を取っていくのが、強化学習…だそうです。
…正直、実装イメージは掴めませんが、とりあえず自動運転は強化学習なんだ、ってことだけ押さえておくことにします（言い聞かせ）
ということで
そういえば、ディープラーニングって言葉は出てきませんでしたね。確か「機械学習の手法のひとつ」だったはずですが、機械学習を「問題を解決する手段」という軸で切っても登場しないってことですね。このあたり、ちゃんと理解しないと後々混乱してきそうですねー。
ではまた。
勉強に使ってる書籍はこちら↓
深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版
