最終更新日：2026年8月21日
gk 機械学習 まとめ 頻出
G検定トップ
＞ 機械学習の学習方式｜試験直前チェックリスト【G検定】
まず結論
このページは、教師あり・教師なし・強化学習を試験直前に短時間で見直すためのチェックページです。
まずは次の3語で切り分けます。
正解ラベルを使う → 教師あり学習
構造・まとまりを探す → 教師なし学習
行動を報酬で評価する → 強化学習
詳しい比較は、教師あり・教師なし・強化学習の違いで確認できます。
直感的な説明
3方式を勉強に例えると、次のイメージです。
- 教師あり学習：答え付きの問題集で学ぶ
- 教師なし学習：答えを使わず、似たものや構造を整理する
- 強化学習：行動の結果として得点を受け取り、より良い行動を学ぶ
大切なのは、単に「答えがある・ない」だけでなく、学習時に何を手掛かりとして使うかを見ることです。
定義・仕組み
| 学習方式 | 学習時の主な手掛かり | 主な目的 | 代表例 |
|---|---|---|---|
| 教師あり学習 | 正解ラベル | 予測・分類 | 線形回帰、ロジスティック回帰、SVM |
| 教師なし学習 | データそのもの | 構造・まとまりの発見 | k-means、PCA、GMM |
| 強化学習 | 状態・行動・報酬 | 累積報酬を高める行動方策の学習 | Q学習、SARSA、DQN |
個別に確認したい場合は、教師あり学習、教師なし学習、強化学習を参照してください。
いつ使う？（得意・不得意）
教師あり学習
- 得意：正解付きデータから値やクラスを予測する
- 注意：ラベル作成にコストがかかる
教師なし学習
- 得意：データのまとまりや低次元構造を見つける
- 注意：得られた構造の解釈が必要になることがある
強化学習
- 得意：連続した意思決定や制御を学ぶ
- 注意：探索が必要で、学習に多くの試行を要することがある
G検定ひっかけポイント
「正解ラベルがない」だけでは教師なしと決めない
強化学習も、通常は教師あり学習のような正解ラベルを直接与えません。
ラベルを使う → 教師あり
構造を探す → 教師なし
報酬で行動を評価 → 強化学習
モデル名と学習方式を混同しない
ニューラルネットワークのようなモデルは、学習設定によって複数の方式で使われます。
「ニューラルネットワークだから教師あり」とは決めません。
代表キーワードで切る
- 回帰・分類・正解ラベル → 教師あり
- クラスタリング・次元削減 → 教師なし
- エージェント・環境・行動・報酬 → 強化学習
まとめ（試験直前用）
- 教師あり：ラベル
- 教師なし：構造
- 強化学習：報酬
- 「ラベルなし」だけで教師なしと決めない
- 詳しい比較は3方式の比較記事で確認する