--- title: "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】" description: "機械学習アルゴリズムを、正解ラベルから分類・回帰を学ぶ教師あり学習、ラベルなしデータの構造を探すクラスタリング・次元削減、報酬を手掛かりに行動方策を学ぶ強化学習へ分類します。予測対象、与えられる教師情報、出力の目的から代表手法を選び、分類とクラスタリングなどの混同を防ぐ一覧です。" canonical_url: "https://stemtazoo.github.io/ds/machine-learning-algorithms-cheatsheet/" section: "ds" ---
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「教師あり学習・教師なし学習・強化学習」の3つに分類されます。 DS検定では アルゴリズム名 学習タイプ 主な用途 を結び付けて判断する問題がよく出ます。 つまり 「このアルゴリズムはどの学習タイプか？」 を判断できることが重要です。 ## 直感的な説明 機械学習のアルゴリズムは、役割で整理すると理解しやすくなります。 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 文章生成 GPT DS検定では 用途 → アルゴリズム の対応を問う問題がよく出ます。 ## 定義・仕組み 教師あり学習（Supervised Learning） 正解付きデータを使って学習する方法です。 回帰（数値予測） アルゴリズム 特徴 線形回帰 最も基本的な回帰モデル リッジ回帰 過学習を抑える Lasso回帰 特徴量選択が可能 分類 アルゴリズム 特徴 ロジスティック回帰 分類モデル k近傍法（kNN） 近いデータで判断 SVM 境界を最大化 決定木 ルールベース分類 ランダムフォレスト 決定木の集合 勾配ブースティング 弱学習器を組み合わせる 実務では XGBoost LightGBM などもよく使われます。 教師なし学習（Unsupervised Learning） 正解がないデータからパターンを見つけます。 クラスタリング アルゴリズム 特徴 k-means 最も有名なクラスタリング 階層クラスタリング 階層構造を作る DBSCAN 密度ベースクラスタリング 次元削減 アルゴリズム 特徴 PCA 主成分分析 t-SNE 可視化向け UMAP 高次元可視化 強化学習（Reinforcement Learning） 試行錯誤しながら最適行動を学習します。 アルゴリズム 特徴 Q学習 基本的強化学習 Deep Q Network 深層学習との組み合わせ 方策勾配法 行動方針を直接学習 ディープラーニング手法 モデル 用途 CNN 画像認識 RNN 時系列データ LSTM 長期時系列 GAN データ生成 VAE 生成モデル YOLO 物体検出 LLM関連モデル モデル 用途 Transformer LLMの基盤モデル GPT 文章生成 BERT 文章理解 ## どんな場面で使う？ 用途 アルゴリズム 売上予測 線形回帰 顧客セグメント k-means 不正検知 ランダムフォレスト 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 名前に回帰が付いていますが 分類アルゴリズムです。 DS検定では非常に狙われます。 k-means 教師なし学習です。 教師あり学習と混同する問題がよく出ます。 YOLO 画像分類ではなく 物体検出アルゴリズムです。 GAN 分類モデルではなく データ生成モデルです。 ## まとめ（試験直前用） 機械学習は 教師あり・教師なし・強化学習 DS検定では アルゴリズム名 → 学習タイプ が頻出 ロジスティック回帰は 分類 k-meansは 教師なし学習 GAN・YOLO・Transformerは ディープラーニング系 ## 対応スキル項目（AI利活用スキルシート） スキルカテゴリ名 AI・人工知能 サブカテゴリ名 機械学習 ★ 機械学習にあたる解析手法の名称を3つ以上知っており、手法の概要を説明できる
🏠 DS検定トップに戻る