MENU
カテゴリー
なお
Webpia運営主
21歳 | WEBメディアの会社で部長をやりながら、Webpia・特化メディア・WEB制作~コンサル・SEOディレクター・投資・就活相談など幅広くやっています。
今井
22卒Webエンジニア
21歳 | Webアプリ開発を独学し、新卒で年収500万円のWebエンジニアとして内定。エンジニア就活の仕方・学んだIT知識などを発信しています。
【2021年8月最新】本当におすすめのプログラミングスクールランキング!!

教師あり学習とは?具体例を挙げてわかりやすく解説!

エンジニア

こんにちは!
今井(@ima_maru)です。

今回は、機械学習の手法の「教師あり学習」について解説していこうと思います。

教師あり学習は機械学習の手法の1つであり、よりイメージしやすい学習方法だと思います。

そんな教師あり学習について、以下のようなことを解説します。

この記事に書かれていること
  • 教師あり学習とは
  • 教師あり学習の特徴
  • 教師あり学習の具体例・活用例
  • 教師あり学習と教師なし学習との違い
  • 教師あり学習と強化学習との違い

それでは見ていきましょう。

好きなところから読む

教師あり学習とは?特徴を紹介!

教師あり学習(Supervised Learning)とは、その名の通り「教師データのある学習方法」で、機械学習の手法の1つです。

人間がAIに教えるスタイル

教師あり学習は、人間がAIに教えるような学習方法をとります。

そのため、教師あり学習の主な目的は「意図した働きをするAIを作る」ということになるでしょう。

エンジニア

逆に、教師なし学習や強化学習は、AIが自ら学ぶイメージに近いと思います。

教師データが必要になる

教師あり学習では、学習の際に教師データというものが必要になります。

「教師データ」とは何かというと、正解ラベルの付いたデータというように言われます。例えば、

  • 「犬の画像」+「これは犬です」
  • 「猫の画像」+「これは猫です」

このように、正解ラベルとデータがセットになったデータのことです。

学習用に大量の教師データが必要になる場合も

教師あり学習は、学習の際に大量の教師データが必要になる場合が多いです。(ディープラーニングなど)

教師データ数が十分でないと、AIがデータの特徴量などをうまく抽出できなかったり、特定の特徴量に過敏に反応してしまったりするようになりうまく機能しません。

例えば、犬の画像1枚を教師データとして学習させても、よほど似ている画像しか犬と判別できません。

もしくは、その画像と似ているただの背景画像などを犬と判別してしまうこともあります。

では、大量の犬の画像を教師データとして学習したらどうなるでしょうか。

この時、AIは大量の画像に共通する特徴量を抽出し学習します。

そのため、犬種や角度違い、背景などを考慮しつつ、犬が写っている画像を判別できるようになるのです。

エンジニア

教師データの不足に対応するために、教師データを水増しする技術もあります。

あらかじめ正解がわかっていないといけない

教師あり学習は、かみ砕いていえば、あらかじめ正解がわかっているデータを学習させる方法です。

そのため、人間が気付かない関係性を見出すような分析系のタスクには向いていません。(そういったものは教師なし学習が有効)

学習と予測から成り立つ

教師あり学習は、教師データによる学習を終えた後に、正解ラベルのない未知のデータを入力し予測するという使い方をします。

要は、学習が終われば、正解ラベルのない画像も判断できる(予測できる)ようになるということです。

教師あり学習の具体例や活用例

教師あり学習の枠組みが分かったところで、実際に「どのようなことを行うのに適しているか?」「どんな活用事例があるか?」についてみていきましょう。

教師あり学習の具体例や活用例
  • 画像認識
  • 音声認識
  • 機械翻訳
  • 自然言語処理
  • 株価予測
  • 故障品の検知
  • 迷惑メールのフィルタリング

画像認識

画像認識とは、画像の中に何が写っているのかをコンピュータに判別させる技術です。

コンピューターからすると画像データはただの画素値の羅列でしかありませんが、画像認識の技術を用いれば、そこに何が写っているのかを判別することができるようになります。

音声認識

音声認識とは、人間の声などをコンピューターに認識させる技術です。

話し言葉をテキストデータに変換したり、話している人が誰なのかを判別したりします。

機械翻訳

機械翻訳とは、言語の翻訳をコンピュータにより行う技術です。

Google翻訳DeepL翻訳などが代表的なサービスです。

自然言語処理

自然言語処理とは、人間が話す言語をコンピュータに処理させる技術の総称です。

株価予測

株価予測とは、その名の通り将来の株価を予測することです。

AIを使って株価予測をする仕組みは以下の記事で解説しています。

故障品の検知

教師あり学習は、故障品の検知にも使われています。

迷惑メールのフィルタリング

教師あり学習は、迷惑メールのフィルタリングにも使われています。

教師あり学習と教師なし学習と強化学習の違いとは?

最後に、教師あり学習・教師なし学習・強化学習の違いざっくりと説明して終わります。

手法概要
教師あり学習正解ラベルの付いたデータを学習する
教師なし学習正解ラベルのないデータを学習(分析)する
強化学習現在の状況から将来的に一番価値のある行動を選択するように学習する

それぞれ、学習させる方法が明確に違います。

まず、教師あり学習教師なし学習は、正解ラベルの付いたデータを学習させるのかさせないのかの違いがあります。

教師あり学習は、正解ラベルの付いたデータを学習させる「人間がAIに教える」パターンです。

その学習工程において、人間が意図した出力をAIが出せるように調整します。

一方、教師なし学習は、正解ラベルの付いたデータが必要ありません

AIがデータを、いくつかの似ているもののグループに分けたり、重要な情報を見つけ出したりします。

つまり、「AIが人間に気づかせてくれる」パターンといってもよいかもしれません。

実際、人間が見つけられないような隠れた本質的な部分をAIは見つけ出してくれます

なので、分析・マーケティングの分野で多く用いられています。

そして、強化学習は、少し異色の存在です。

その学習方法は、「報酬」によって説明され、より多くの報酬を得られるような行動をAIが学習していきます。

エンジニア
最後までお読みいただきありがとうございます。

この記事が気に入ったら
フォローしてね!

よかったらシェアしてね!
URLをコピーする
URLをコピーしました!
好きなところから読む
閉じる