問題 No.3421
少量の正解ラベル付きデータと大量の正解ラベルなしデータを併用し、予測性能の向上を図る機械学習のアプローチとして、最も適切なものはどれか。
【正解の解説】
半教師あり学習
学校の予習に例えると、全問の答えを見るのではなく、先生が解説してくれた数問の模範解答と、答えのない自習問題を大量に解きながら自らコツを掴んでいくようなものです。すべてに正解を用意するのが難しい現実のデータ分析において、コストを抑えつつ高い精度を出せる非常に強力なアプローチとして重宝されています。
スポンサーリンク
【その他の選択肢の解説】
強化学習
初学者が「学習」という言葉の響きから半教師あり学習と混同しがちですが、強化学習は正解データを使って学ぶのではなく、ゲームのスコアのように「良い行動にはご褒美、悪い行動には罰」を与えて最適なルートを見つける仕組みです。迷路を解くネズミを想像すると分かりやすく、データからパターンを見つける半教師あり学習とは目的もアプローチも全く異なります。
転移学習
「自転車に乗れる人が、そのバランス感覚を活かしてすぐにバイクの運転を覚えられるように、過去の学びを新しい分野のスタートダッシュに使う仕組みです。少量のデータから効率よく学習する点やラベルなしデータを活用する半教師あり学習と目的が似ているため混同しやすいですが、こちらはすでに完成に近い別モデルの知識を流用する点が決定的な違いです。
能動学習
「先生、この問題の解き方が分からないので教えてください！」とAI側から積極的に質問してくるイメージです。ラベルなしデータの中から適当に選ぶのではなく、AIが『自分にとって一番難しく、予測に自信がないデータ』を厳選して人間がラベルを付けるため、データ作成のコストを極限まで削れる点が得意技ですが、自動で予測性能を上げる半教師あり学習とはアプローチが異なります。