応用情報技術者 2019年 秋期 午前2 問04
問題文
AIの機械学習における教師なし学習で用いられる手法として、最も適切なものはどれか。
選択肢
ア：幾つかのグループに分かれている既存データ間に分離境界を定め、新たなデータがどのグループに属するかはその分離境界によって判別するパターン認識手法
イ：数式で解を求めることが難しい場合に、 乱数を使って疑似データを作り、数値計算をすることによって解を推定するモンテカルロ法
ウ：データ同士の類似度を定義し、その定義した類似度に従って似たもの同士は同じグループに入るようにデータをグループ化するクラスタリング（正解）
エ：プロットされた時系列データに対して、 曲線の当てはめを行い、得られた近似曲線によってデータの補完や未来予測を行う回帰分析
AIの機械学習における教師なし学習で用いられる手法【午前2 解説】
要点まとめ
- 結論：教師なし学習で最も適切な手法は「クラスタリング」で、データのグループ化に用いられます。
- 根拠：教師なし学習はラベルなしデータの構造を見つけるため、類似度に基づくグループ分けが基本です。
- 差がつくポイント：教師あり学習の分類や回帰と異なり、教師なし学習はデータの内在的なパターン抽出が目的である点を理解しましょう。
正解の理由
選択肢ウのクラスタリングは、ラベルのないデータを類似度に基づいてグループ化する典型的な教師なし学習手法です。教師なし学習は正解ラベルがないため、データの構造や分布を把握することが目的であり、クラスタリングはその代表例です。
一方、アは既存のグループに分離境界を定めるため教師あり学習の分類手法、イは数値計算の手法、エは回帰分析であり、いずれも教師なし学習の定義に合致しません。
一方、アは既存のグループに分離境界を定めるため教師あり学習の分類手法、イは数値計算の手法、エは回帰分析であり、いずれも教師なし学習の定義に合致しません。
よくある誤解
教師なし学習は「何もしない学習」ではなく、データのパターンや構造を自動で見つける積極的な学習手法です。分類や回帰は教師あり学習に分類されます。
解法ステップ
- 教師あり学習と教師なし学習の違いを確認する。
- 教師なし学習の代表的な手法を思い出す（例：クラスタリング、次元削減）。
- 選択肢の説明文から「ラベルの有無」と「目的」を判断する。
- 類似度に基づくグループ化が教師なし学習の特徴であることを確認。
- 選択肢ウがクラスタリングであることを特定し、正解とする。
選択肢別の誤答解説
- ア: 既存のグループに分離境界を定めるため、教師あり学習の分類手法であり教師なし学習ではない。
- イ: モンテカルロ法は数値計算の手法であり、機械学習の教師なし学習の手法とは異なる。
- ウ: データの類似度に基づきグループ化するクラスタリングで、教師なし学習の代表例。
- エ: 回帰分析は教師あり学習の一種で、未来予測や補完に用いるため教師なし学習ではない。
補足コラム
クラスタリングには代表的な手法として「k-means法」「階層的クラスタリング」「DBSCAN」などがあります。教師なし学習はデータの特徴抽出や異常検知、次元削減など幅広い応用があり、データのラベルがない場合に特に有効です。
FAQ
Q: 教師なし学習で使われる他の手法は何がありますか？
A: 主成分分析（PCA）や自己組織化マップ（SOM）なども教師なし学習の代表的な手法です。
A: 主成分分析（PCA）や自己組織化マップ（SOM）なども教師なし学習の代表的な手法です。
Q: クラスタリングはどのような場面で使われますか？
A: 顧客のセグメンテーションや異常検知、画像の特徴抽出など、データのグループ化が必要な場面で使われます。
A: 顧客のセグメンテーションや異常検知、画像の特徴抽出など、データのグループ化が必要な場面で使われます。
関連キーワード: 教師なし学習、クラスタリング、機械学習、類似度、回帰分析、モンテカルロ法
\ せっかくなら /
応用情報技術者を
クイズ形式で学習しませんか？
クイズ画面へ遷移する→
すぐに利用可能！