データサイエンス設計マニュアル

340 11 章 機械学習

11.5 学習の度合い

さま

ざまな機械学習手法は、訓練データやテストデータを集めるときの人間の判別の程度と性質に基づ

き、自然に分類される。分類法の常として、周縁には曖昧な部分があり、与えられたシステムが何をして何

をしないかを正確に規定しようとすると不満が残ることになる。しかし、優れた分類法の常として、この区

別は思考を導く枠組みを提供し、より良い結果を導くアプローチのヒントを与えてくれる。

この章で今まで取り上げてきた手法では、クラスラベルやターゲット変数を持つ訓練データが与えられ、

分類器や回帰モデルを訓練するだけでよかった。しかし、通常特に大変なのは、ラベル付きのデータを手に

入れるまでである。機械学習アルゴリズムは、一般にデータが多ければ多いほど性能が高くなるが、ラベル

付けは難しくコストがかかる。学習の度合いを調節すると、分類器に入力される現在起こっていることにつ

いての情報の量を増やすことができる。

11.5.1 教師あり学習

教師あり学習は、分類問題、回帰問題の基本的な枠組みだ。教師あり学習で与えられる特徴ベクトル x

i

には、クラスラベルまたはターゲット値 y

i

が付けられている。ラベルの y

i

は判別の結果であり、一般に何

らかの手作業で与えられるので、訓練データの数が制限される原因になる。

一部の問題では、訓練データのラベル付けは、外界とのやり取り、あるいはそのシミュレーションから観

測したことに基づいて付けられる。Google の AlphaGo（アルファ碁）は、囲碁の世 ...