はじめに：機械学習とは
機械学習（Machine Learning）は、コンピュータがデータから規則性を学び、明示的にプログラムされることなく予測や判断を行う技術です。
この「学び方」の違いによって、主に以下の3種類に分類されます。
- 教師あり学習（Supervised Learning）
- 教師なし学習（Unsupervised Learning）
- 強化学習（Reinforcement Learning）
それぞれの手法は、扱うデータや目的、学習過程が大きく異なります。
教師あり学習（Supervised Learning）
概要
教師あり学習は、「入力データ」と「正解ラベル」がセットになったデータを用いて学習を行う手法です。
モデルは「入力と正解の対応関係」を学び、新しいデータに対して適切な出力を予測できるようになります。
主なタスク
- 分類（Classification）：データをカテゴリに分類する。
例）メールを「スパム」か「通常」に分類。 - 回帰（Regression）：連続値を予測する。
例）家の面積・築年数・立地から家賃を予測。
代表的なアルゴリズム
- 線形回帰（Linear Regression）
- ロジスティック回帰（Logistic Regression）※分類タスクに利用
- 決定木・ランダムフォレスト（Decision Tree / Random Forest）
- サポートベクターマシン（SVM）
- ニューラルネットワーク（Neural Network）
応用例
- 売上・需要予測
- 顧客離反（解約）予測
- 医用画像診断
- 音声認識・画像分類
教師あり学習ではラベル付きデータの品質が性能を大きく左右します。
交差検証や正則化による過学習対策も重要な実務要素です。
教師なし学習（Unsupervised Learning）
概要
教師なし学習は、正解ラベルが存在しないデータから構造や特徴を発見する学習手法です。
モデル自身がデータの分布やパターンを見つけ出します。
主なタスク
- クラスタリング（Clustering）：似た性質を持つデータを自動的にグループ化。
例）顧客の購買傾向に基づくセグメント化。 - 次元削減（Dimensionality Reduction）：多次元データを要約して本質的な特徴を抽出。
例）PCAによるデータの可視化・ノイズ除去。 - 特徴抽出（Feature Extraction）：モデル入力に有用な要素を抽出。
代表的なアルゴリズム
- K平均法（K-Means Clustering）
- 階層的クラスタリング（Hierarchical Clustering）
- DBSCAN（密度ベースクラスタリング）
- 主成分分析（PCA）／t-SNE／UMAP（次元削減）
- オートエンコーダ（Autoencoder）
応用例
- 顧客セグメンテーション（マーケティング分析）
- 異常検知（例：クレジットカード不正利用）
- 画像の特徴抽出・圧縮
- 文書の類似性分析
さらに近年では、自己教師あり学習（Self-supervised Learning）という発展形も登場。
擬似ラベルを生成して表現を学習し、教師ありタスクの性能を底上げする技術（SimCLR、MAEなど）が注目されています。
強化学習（Reinforcement Learning）
概要
強化学習は、エージェント（学習主体）が環境と相互作用しながら報酬を最大化する行動方針（ポリシー）を学ぶ手法です。
正解ラベルはなく、行動結果に対して与えられる「報酬（Reward）」が唯一の学習信号となります。
モデルは試行錯誤を繰り返し、長期的に最も高い報酬を得る行動戦略を見つけます。
この仕組みはマルコフ決定過程（MDP）として定式化されます。
主な構成要素
- 状態（State）：現在の環境の状況
- 行動（Action）：エージェントの選択肢
- 報酬（Reward）：行動結果に対するフィードバック
- 方策（Policy）：行動を決定するルール
- 価値関数（Value Function）：将来の報酬の期待値
代表的なアルゴリズム
- Q学習（Q-Learning）※オフポリシー型
- SARSA（オンポリシー型）
- Deep Q-Network（DQN）
- 方策勾配法（Policy Gradient）
- Actor–Critic法
- モデルベース強化学習（Model-based RL）
応用例
- ゲームAI（囲碁・将棋・Atariなど）
- 自動運転制御
- 産業用ロボットの最適動作
- 広告配信・レコメンド最適化
実務では、報酬設計と探索・活用バランス（Exploration–Exploitation）が成功の鍵。
ε-greedy法やUCB法、エントロピー正則化などの探索戦略がよく用いられます。
3手法の比較まとめ
| 項目 | 教師あり学習 | 教師なし学習 | 強化学習 |
|---|---|---|---|
| データ構造 | 入力＋正解ラベル | 入力のみ | 状態・行動・報酬 |
| 目的 | 予測・分類 | 構造の発見・圧縮 | 行動方針の最適化 |
| 学習方式 | 教師の指導あり | 自己探索型 | 試行錯誤型 |
| 代表手法 | 回帰・分類 | クラスタリング・次元削減 | Q学習・DQN・Actor–Critic |
| 主な用途 | 売上予測・画像認識 | 顧客分析・異常検知 | 自動運転・ゲームAI |
まとめ
- 教師あり学習：ラベル付きデータから「正解を学ぶ」
- 教師なし学習：ラベルなしデータから「構造を発見する」
- 強化学習：試行錯誤を通して「最適な行動を学ぶ」
これらは互いに補完関係にあり、深層強化学習（Deep Reinforcement Learning）のように複合的に活用されるケースも多く見られます。
マーケティング・医療・ロボティクス・自動運転・ゲームなど、あらゆる分野でこれらの手法が実用化されています。
以上、機械学習の教師あり・教師なし・強化学習についてでした。
最後までお読みいただき、ありがとうございました。
