私は機械学習が初めてです。教師あり学習、教師なし学習、強化学習について読んでいるときに、次のような質問に出くわし、混乱しました。以下の 3 つのうち、どれが教師あり学習、教師なし学習、強化学習であるかを特定するのを手伝ってください。
次の 3 つのシナリオを最もよく表している学習の種類は次のとおりです。
(i) 自動販売機用のコイン分類システムが作成されます。これを行うために、開発者は米国造幣局から正確なコインの仕様を取得し、サイズ、重量、額面の統計モデルを導き出し、自動販売機はそれを使用してコインを分類します。
(ii) 米国造幣局に電話してコイン情報を取得する代わりに、ラベル付きコインの大規模なセットをアルゴリズムに提示します。アルゴリズムはこのデータを使用して、自動販売機がコインを分類するために使用する決定境界を推測します。
(iii) コンピュータは、三目並べを繰り返しプレイし、最終的に負けにつながる動きにペナルティを課すことによってその戦略を調整することによって、三目並べをプレイするための戦略を開発します。
(i) 教師なし学習 - ラベル付きデータが利用できないため
(ii) 教師あり学習 - 既にラベル付けされたデータが利用可能であるため
(iii) 強化学習 - 行動とその行動からの効果/報酬に基づいて学び、再学習する場所。
教師ありアルゴリズムでは、クラスは事前に決定されています。これらのクラスは、人間が以前に到達した有限集合と考えることができます。実際には、データの特定のセグメントがこれらの分類でラベル付けされます。機械学習者のタスクは、パターンを検索して数学的モデルを構築することです。次に、これらのモデルは、データ自体の分散の尺度に関連する予測能力に基づいて評価されます。ドキュメントで参照されている方法の多く (デシジョン ツリー誘導、単純ベイズなど) は、教師あり学習手法の例です。
教師なし学習者には分類が提供されません。実際、教師なし学習の基本的なタスクは、分類ラベルを自動的に作成することです。教師なしアルゴリズムは、グループを形成していると特徴付けられるかどうかを判断するために、データの断片間の類似性を探します。これらのグループはクラスターと呼ばれ、クラスター化機械学習手法のファミリー全体があります。