機械学習の地図 ― 教師あり・教師なし

導入

機械学習にはいくつかの種類があります。全体像を1枚の地図にしておくと、これから学ぶことの位置づけが分かります。

説明

大きく分けると、教師あり学習と教師なし学習の2つです。

flowchart TD
  ml["機械学習"] --> sup["教師あり学習<br/>正解つきデータで学ぶ"]
  ml --> uns["教師なし学習<br/>正解なしで構造を見つける"]
  sup --> reg["回帰<br/>数値を予測<br/>例: 売上・点数"]
  sup --> cls["分類<br/>カテゴリを予測<br/>例: 迷惑メール判定"]
  uns --> clu["クラスタリング<br/>似たもの同士でまとめる<br/>例: 顧客のグループ分け"]

教師あり学習は、「入力」と「正解（ラベル）」がセットになったデータで学びます。前のレッスンの「勉強時間→点数」がまさにこれです。予測したいものが数値なら回帰、カテゴリ（はい/いいえ、犬/猫など）なら分類と呼びます。

教師なし学習は、正解ラベルのないデータから「似たもの同士のかたまり」などの構造を見つけます。代表がクラスタリングです。

このコースの進み方は、この地図の順番どおりです。

まとめ

• 機械学習は「データから規則を学ぶ」技術。
• 教師あり（正解つき）＝回帰・分類、教師なし（正解なし）＝クラスタリング。
• 予測したいものが数値なら回帰、カテゴリなら分類。