機械学習アルゴリズム一覧チートシート（教師あり・教師なし・強化学習）【DS検定】

DS検定トップ＞機械学習アルゴリズム一覧チートシート（教師あり・教師なし・強化学習）【DS検定】

まず結論

機械学習アルゴリズムは、まず教師あり・教師なし・強化学習に分けると整理しやすくなります。

学習タイプ	主な目的
教師あり学習	正解付きデータから予測・分類
教師なし学習	正解なしで構造やグループを発見
強化学習	報酬を手掛かりに行動を学習

DS検定では、アルゴリズム名 → 学習タイプ → 用途の順に判断できることが重要です。

直感的な説明

目的	代表アルゴリズム
数値予測	線形回帰
分類	ロジスティック回帰・SVM
グループ分け	k-means
画像認識	CNN
物体検出	YOLO
文章生成	GPT

定義・仕組み

教師あり学習

回帰

アルゴリズム	特徴
線形回帰	基本的な回帰モデル
リッジ回帰	L2正則化で過学習を抑える
Lasso回帰	L1正則化で係数を0にしやすい

分類

アルゴリズム	特徴
ロジスティック回帰	代表的な分類モデル
k近傍法（kNN）	近いデータから判断
SVM	マージンを最大化
決定木	条件分岐で判断
ランダムフォレスト	複数の決定木を組み合わせる
勾配ブースティング	弱学習器を順に改善

教師なし学習

クラスタリング

アルゴリズム	特徴
k-means	代表的なクラスタリング
階層クラスタリング	階層構造を作る
DBSCAN	密度ベース

次元削減

アルゴリズム	特徴
PCA	主成分へ圧縮
t-SNE	可視化向け
UMAP	高次元データの可視化など

強化学習

アルゴリズム	特徴
Q学習	代表的な価値ベース手法
DQN	Q学習と深層学習を組み合わせる
方策勾配法	方策を直接学習

深層学習でよく見る手法

手法	主な用途
CNN	画像認識
RNN / LSTM	系列データ
GAN	データ生成
VAE	生成・潜在表現
YOLO	物体検出
Transformer	NLPなどの基盤構造
GPT	文章生成
BERT	文書理解・分類

どんな場面で使う？

用途	代表例
売上予測	線形回帰
顧客セグメント	k-means
画像認識	CNN
物体検出	YOLO
文章生成	GPT

よくある誤解・混同

❌ ロジスティック回帰は回帰問題の手法

代表的には分類に使います。

❌ k-meansは教師あり学習

k-meansは教師なし学習です。

❌ YOLOは画像分類

YOLOは物体検出です。

❌ GANは分類モデル

GANは生成モデルです。

まとめ（試験直前用）

教師あり → 正解あり
教師なし → 正解なし
強化学習 → 報酬で学習
ロジスティック回帰 = 分類
k-means = 教師なし
YOLO = 物体検出
GAN = 生成

DS検定では、アルゴリズム名だけでなく何をする手法かまでセットで覚えましょう。

対応スキル項目（ver.6 データサイエンス）

分類：解析技術
スキルカテゴリ：モデル化
サブカテゴリ：機械学習
必須スキル：—
★ 機械学習の手法を3つ以上知っており、それぞれの概要と解決できる問題（回帰・分類・クラスター分析など）を説明できる
ver.6 ★1スキルチェックで確認する
🔗 関連記事

🏠 DS検定トップに戻る