ITパスポート 2022年 問24

教師あり学習の事例に関する記述【ITパスポート 解説】

正解の理由

解法ステップ

1. 「教師あり学習」が何かを確認する。
   • 教師あり学習＝入力と正解ラベルをセットで学習して、入力から答えを予測する方法。
2. 各選択肢に「学習時に正解ラベルがあるか」を探す。
   • 明記されているか、暗に示されているかを判断する。
3. ルールベースや試行錯誤（強化学習）との違いを見分ける。
   • ルールベース＝人が作った条件分岐。機械学習ではない。
   • 強化学習＝行動に対する報酬で学ぶ。正解ラベルが固定で与えられない。
4. 正解ラベルが明示されている選択肢を選ぶ（ここではエ）。

選択肢別の誤答解説

• ア: 衣料品サイトで、利用者が気に入った服の画像を送信して好みを把握する。
  • 問題文は「画像の特徴から自動的に把握」とありますが、学習時に「この画像はこの人が好きだった」というような正解ラベルが明記されていません。ラベルなしで特徴の類似性だけを使う場合は、教師なし学習（クラスタリングや埋め込み）や単純な類似検索に近く、教師あり学習とは言えません。もちろん過去の「画像とユーザーの好み（ラベル）」があるなら教師あり学習にもできる点に注意。
• イ: ルールベースのプログラムでゲレンデの状態を判断する。
  • ルールベースとは人が「もし〜なら〜」と条件を作る方式です。これは機械学習ではありません。教師あり学習とは無関係です。
• ウ: ロボットが繰り返し訓練して弁当の盛り付けを上手に行う。
  • 「繰り返した訓練」で成功を目指す場合、強化学習（reinforcement learning：行動に対して報酬や罰で学ぶ）が想像されます。教師あり学習のように毎回の正しい行動がラベルとして与えられるとは限らないため、教師あり学習とは異なります。
• エ: 録音した泣き声と原因をデータにして学習する。
  • 泣き声（入力）に対して原因（ラベル）が付いている。これを使って泣き声から原因を推測するモデルを作るのは典型的な教師あり学習（分類）です。

よくある誤解

1. 「学習＝教師あり学習」と考えてしまう。
   • 「学習」には教師あり学習、教師なし学習（ラベルなしでデータの構造を見つける）、強化学習（報酬で行動を学ぶ）など種類があります。
2. 「推薦システムは全部教師あり学習だ」と思い込む。
   • 推薦には、過去の評価をラベルにした教師ありモデル、ユーザーや商品をクラスタリングする教師なし手法、ルールベースや行動ログから因果推定する手法など多様な方法があります。
3. 「繰り返し動作するロボット＝教師あり学習」ではない。
   • 繰り返しで報酬を通じて改善するのは強化学習が多く、教師あり学習とは学び方が違います。

補足コラム

• 教師あり学習＝「先生が正解を書いたテストを渡して教える」。
• 教師なし学習＝「先生なしで仲間と似ている人をグループ分けする」。
• 強化学習＝「ゲームで勝つとポイントがもらえて、その取り方を学ぶ」。

• 教師あり学習（分類）: スパムメール判定（入力：メール本文、ラベル：スパム／正常）
• 教師あり学習（回帰）: 家の価格予測（入力：広さ・築年数、出力：価格）
• 教師なし学習: 顧客のセグメント分け（ラベル無し）
• 強化学習: ゲームAIやロボットの行動制御（報酬で学ぶ）

• ラベル（label）：そのデータに対応する「正解」や「答え」。
• 特徴量（feature）：データから取り出した予測に使う情報（例：泣き声の周波数成分）。
• ルールベース：人が条件を書いて判断させる仕組み。機械学習ではない。

FAQ