データから学ぶ方法
- 人が規則を書く方法とデータから学ぶ方法を区別する
- 正解付きの数値予測を回帰と判断する
- 正解ラベルなしで作る群と、報酬から学ぶ行動を区別する
点線のことばを押すと、意味と使い方を調べられます。
表示・保存
このページの目次 4節・復習と4問
- 1説明を読む
- 2復習する
- 3問題を解く
- 4次へ進む
1規則を書く方法とデータから学ぶ方法
AI（Artificial Intelligence：人工知能）は認識、推論、生成など知的な働きを計算機で実現する技術の総称です。ルールベースは人が「もし条件ならこの結論」という規則を用意します。専門知識を蓄えた知識ベースで相談に答えるエキスパートシステムもその例です。
機械学習はデータから予測や判断の規則性を学びます。特徴量は判断に使う入力の性質で、家の価格予測なら面積や築年数などです。人が特徴量を設計する場合も、学習で特徴を獲得する場合もあります。
数値は学習用の例。
2正解付きデータで分類と回帰
教師あり学習は入力と正解の組を用いて学ぶ方法です。分類は「良品か不良品か」のようなカテゴリを予測し、回帰は「価格はいくらか」のような数値を予測します。
写真に「猫」「犬」とラベルを付ける作業をアノテーションと呼びます。ラベルの誤りが多ければ学習にも影響します。学習用と評価用を分け、未学習のデータで使えるか確認します。
3正解なしで集まりを見つける
教師なし学習はあらかじめ正解ラベルを与えずデータの構造を調べる方法です。クラスタリングは似た特徴のデータをグループにまとめます。購買傾向から顧客群を発見し、その後で群の意味を解釈する例があります。
分類は既知の正解カテゴリへ当てはめる教師あり学習、クラスタリングは似ているものから群を作る教師なし学習です。どちらも分ける操作に見えますが、正解ラベルの有無が違います。
購入頻度・購入金額
正解ラベルを与えず群を作る
各群の特徴を調べる
数値は学習用の例。
4行動と報酬から学ぶ
強化学習は環境に対して行動し、受け取る報酬を基に長期的な報酬を大きくする方策を学びます。迷路でゴール到達に報酬を与え、試行を通じて進み方を改善する例です。
各入力に正解ラベルを付ける教師あり学習とも、似た群を探す教師なし学習とも目的が違います。報酬の設計が目的からずれると望まない行動を学ぶ場合があるので、何を良い行動とするかを明確にします。
右へ進む
次の位置へ移る
ゴール到達を評価
数値は学習用の例。
ハルとビットで、使い方を確かめよう
強化学習も正解カードを見る？
行動して得た報酬を使って、よりよい行動を学ぶんだよ。
復習
このレッスンを振り返ろう
問題で確かめる
学んだことを問題で確かめよう
入門の確認問題4問で、この範囲の考え方を使います。答えを選んだら、正解の理由とほかの選択肢の違いも確かめましょう。
ヒントを見る
規則を人が書いたのか、データや報酬から学んだのかを見ます。
オリジナル入門問題 · シラバス 6.5
4問中0問の答えと解説を確認しました。選んだ答えの理由も確かめてから、次へ進みましょう。
出典・参考資料を確認する
学習範囲：IPA シラバス Ver.6.5 ↗ 項目35。身近な例・会話・図解・確認問題は当サイトのオリジナルです。
学習範囲と参考資料
シラバスは学習範囲の根拠です。説明は参考資料を基に当サイトが作成しています。身近な事例・会話・図の数値は学習用の架空例です。2026年9月10日確認。