教師あり・教師なし・強化学習

イントロ

正解ラベル、隠れたまとまり、報酬のどれを使うか

モデルが経験から規則性を得るとき、与える手掛かりを正解ラベル、データの構造、行動への報酬に分けた考え方です。

定義

とは、入力と正解ラベルの組から、未知入力への予測規則を学ぶ方式です。
見分けるポイント: この方式は入力と正解の組を使い、未知入力の値やクラスを予測します。は正解を与えず、似た顧客のまとまりや低次元の構造を見つけます。は環境で行動し、将来を含むが大きくなるを学びます。名称の『教師』は人が常時指示する意味ではなく、学習データに正解があるかを表します。

手順

要点

同じ業務でも目的で方式が変わります。既知の解約者ラベルから次の解約を当てるのは教師あり、購買傾向だけから顧客群を発見するのは教師なし、在庫補充の行動を長期利益で改善するのは強化学習です。アルゴリズム名を先に選ばず、学習時に得られる信号を見ます。

例

場面: 通販会社が顧客分析を三つの目的で行います。
順に考えると: 過去の不正ラベルから新規取引を判定するなら教師あり、ラベルなしで顧客を購買パターン別に分けるなら教師なし、割引提示を繰り返しながら長期利益を高める行動を学ぶなら強化学習です。データは同じ顧客情報でも、学習信号が違います。
ここが結論: 問題文の『正解』『似た群』『行動後の報酬』を目印に、方式を一意に絞れます。

注意

確認

Q1

正解ラベルのない利用履歴から似た行動の顧客群を探す方式はどれですか。

まとめ

AIの価値と使わない判断を、AIF-C01の公式objective 1.2.1・1.2.2に沿って、用語、判断順序、例、誤解修正で整理します。

新しいカテゴリが追加されました