機械学習とは
データから学んで、未知のデータを予測・分類する

機械学習とは

機械学習（machine learning）は、既知のデータをAIに学習させて「学習済みモデル」を作り、そこへ未知のデータを与えて予測や分類を行わせるデータ分析の手法です。

人間が「こうなったらこう判断する」という規則を1つずつ書くのではなく、たくさんのデータからAIが規則性を見つけ出します。作る段階を学習フェーズ、できたモデルを使う段階を推論フェーズ（実行フェーズ）と呼びます。学習フェーズは大量のデータを処理するため、推論フェーズより大きな計算が必要です。

同じ「データ分析」でも、数理統計学でデータの特性を客観的に説明する統計解析とは重点が違います。統計解析との比べ方は「統計解析と機械学習の違い」にまとめています。この記事では、機械学習の中身である「学習の種類」を中心に説明します。

学習の種類（3つ）

機械学習は、データの与え方と学び方によって、次の3種類に分けられます。

• 教師あり学習: 訓練データに正解情報（教師データ）を付けて入力します。入力と正解のペアから規則を学び、未知のデータを分類したり予測したりします。
• 教師なし学習: 正解情報がないデータを入力し、データの中にある構造やまとまりを見つけさせます。
• 強化学習: 行動に対して得られる報酬が最大になるよう、試行錯誤を重ねて学びます。詳しくは「強化学習とは」で説明します。

実際の機械学習は、この3種類を組み合わせて行われます。また、アルゴリズムは「ニューラルネットワークを使わないもの」と「ニューラルネットワークを使うもの」にも分けられ、後者の代表がディープラーニングです。

モデルができるまでの流れ

学習済みモデルは、次の順で作ります。

1. データの準備: データの欠損値を補ったり、ノイズを取り除いたりして、学習に適した形に整えます（データクレンジング）。モデルが学ぶのに役立つ情報を数値にした特徴量を、人が経験や知識から取り出すこともあります（特徴量エンジニアリング）。
2. 学習: 準備した訓練データで、モデルを学習させます。
3. 評価: 訓練に使っていないテストデータで、未知のデータへの予測の精度（汎化性能）を確かめます。
4. 推論: できあがった学習済みモデルに未知のデータを与え、予測や分類をさせます。

一からモデルを作る代わりに、既存の学習済みモデルへ手元のデータだけを追加で学習させる方法もあります。これが転移学習で、時間をかけずに効率よくモデルを作れます（「ファインチューニングと転移学習の違い」）。

試験での問われ方

モバイルシステム技術検定2級では、第10章「生成AIとAI活用」で出ます。もちこ道場の第10章の問題では、機械学習を含む問題が20問あり、次のような問われ方をしています。

• 穴埋め: 「既知のデータをAIに学習させて学習済みモデルを作り、未知のデータの予測や分類を行う手法」の空欄に機械学習を選ぶ。または「報酬が最大になるよう試行錯誤を重ねる」から強化学習を、「欠損値の補完やノイズの除去」からデータクレンジングを選ぶ。
• 組み合わせの穴埋め: 「教師あり学習・教師なし学習・強化学習」の3種類を、説明文の空欄に当てはめる。
• 誤った記述を選ぶ: 教師あり学習・教師なし学習・強化学習の説明で、正解データの有無や報酬の話を入れ替えた記述を見抜く。
• 正誤の組み合わせ: 「汎化性能は、訓練データと異なるテストデータで評価する」のように、用語の説明が正しいかを3つ判断する。訓練データで評価するという記述は誤りです。

似た用語との違い

覚え方

• 「正解の有無」と「報酬」で3つに分ける。正解つきなら教師あり、正解なしなら教師なし、報酬を手がかりに試行錯誤するなら強化学習です。
• 学習は訓練データ、評価はテストデータ。同じデータで確かめても、未知のデータへの強さは分かりません。

第10章のほかの用語は「第10章 生成AIの要点」にまとめています。