教師あり学習(Supervised Learning)

概要

この記事では,教師あり学習(Supervised Learning)について説明します.

スポンサーリンク

教師あり学習(Supervised Learning)

教師あり学習の定義

教師あり学習とは,学習モデルに投入する訓練データに教師データがある学習のことです.教師あり学習では,訓練データとして訓練データ(入力データ)と教師データをセットにして学習します.

教師あり学習のイメージ

教師あり学習はいうなれば,学生が先生に問題の答えを教えてもらいながら勉強していくようなイメージです.1つ1つのデータ(問題)を先生が答えを教えながら学習していきます.

 

教師あり学習を使う例

回帰(Regression)

回帰とは,入力されたデータに応じて,出力として数値を返す手法です.

 

分類(Classification)

分類とは,入力されたデータに応じて,出力としてそのデータの属性や種類を返す手法です.

ある画像が入力されたときに,その画像に鶏,豚,牛の3種類の動物のうちどの動物が映っているかという答えを出力する画像分類のタスクがあるとします.

まず,訓練データとして鶏,豚,牛の画像を学習器に投入します.教師あり学習なので,投入される画像が何であるかというラベル(鶏の画像に「鶏」,豚の画像には「豚」,牛の画像には「牛」という答え)も画像とセットで学習器に投入します.

※クラスタリングと分類の違い

分類(Classification) クラスタリング(Clustering)
学習方法 教師あり学習 教師なし学習
目的変数 あり なし(クラスタ数)
利点 どのデータが何であるか明確に分けられる 学習データが必要ない

ラベル付けが必要ない

 

画像処理以外で教師あり学習を使う例

コメント