機械学習とは「データからパターンを自動的に学習して、予測や判断を行うAI技術の総称」だ。
G検定・DS検定では機械学習の種類・代表アルゴリズム・適用場面・評価指標の理解が問われる。
用語を覚えても、売上予測と顧客のグループ分けで迷うことがある。この記事では「何を学習の手がかりにするか」と「どんな誤りを減らしたいか」から、学習方式と評価指標を選べるように整理する。
機械学習の3種類
教師あり学習(Supervised Learning)
正解ラベル付きのデータを使って学習する方法だ。
「入力→正解」のペアを大量に与え、未知の入力に対して正解を予測できるようにする。
| タスク | 説明 | 代表例 |
|---|---|---|
| 回帰(Regression) | 連続した数値を予測する | 住宅価格予測・売上予測・気温予測 |
| 分類(Classification) | カテゴリを分類する | スパムメール判定・画像分類・疾病診断 |
主なアルゴリズム:
- 線形回帰:入力と出力の線形関係を学習する
- ロジスティック回帰:分類問題に使う。名前に「回帰」とあるが分類に使う点に注意
- 決定木:条件分岐のツリー構造で分類・回帰を行う
- ランダムフォレスト:複数の決定木を組み合わせる。分類では多数決、回帰では予測値の平均などを使う
- SVM(サポートベクターマシン):分類では、境界と最も近いデータとの余裕(マージン)を大きくする
分類・回帰と代表手法の整理は、scikit-learn公式:教師あり学習でも確認できる。
教師なし学習(Unsupervised Learning)
正解ラベルなしのデータからパターンを発見する方法だ。
データの中に潜む構造・グループ・特徴を自動的に発見する。
| タスク | 説明 | 代表例 |
|---|---|---|
| クラスタリング | 似たデータをグループに分ける | 顧客セグメンテーション・文書分類 |
| 次元削減 | 多次元のデータを低次元に圧縮する | データの可視化・特徴抽出 |
| 異常検知 | 通常パターンから外れたデータを検出する | 不正取引検知・設備異常検知 |
主なアルゴリズム:
- k-meansクラスタリング:k個のクラスター中心を繰り返し更新してグループ分け
- PCA(主成分分析):分散が最大になる方向に次元を圧縮する
- オートエンコーダ:入力→圧縮→復元の構造で特徴を学習する(ディープラーニングの一種)
ラベルを使わないクラスタリングや次元削減などの整理は、scikit-learn公式:教師なし学習を参照。異常検知はラベル付きで学ぶ場合もあり、目的名だけで教師なしと決めない。
強化学習(Reinforcement Learning)
エージェントが環境と相互作用しながら、報酬を最大化する行動を学習する方法だ。
正解データは与えられず、「試行錯誤で最適な行動方針を学ぶ」。
| 要素 | 説明 |
|---|---|
| エージェント | 学習・行動する主体(例:ゲームのAI・ロボット) |
| 環境 | エージェントが行動する空間 |
| 状態 | 現在の状況の表現 |
| 行動 | エージェントが選択できる操作 |
| 報酬 | 行動の結果として得られる数値的フィードバック |
活用例:
- AlphaGo・AlphaZero(囲碁・将棋AI)
- ロボットの歩行制御
- 自動運転の経路選択
- ChatGPTのRLHF(人間のフィードバックによる強化学習)
機械学習の選択基準
「どのアルゴリズムをいつ使うか」の判断がG検定・DS検定で問われる。
flowchart TD
A[何を学習の手がかりにするか] --> B{行動と報酬を繰り返すか}
B -->|はい| C[強化学習]
B -->|いいえ| D{予測したい正解ラベルがあるか}
D -->|はい| E{予測対象は何か}
E -->|数値| F[教師ありの回帰]
E -->|カテゴリ| G[教師ありの分類]
D -->|いいえ| H{何を見つけたいか}
H -->|似た集まり| I[教師なしのクラスタリング]
H -->|少数の軸| J[教師なしの次元削減]この図は代表的な使い分けの入口だ。「人が教えるか」ではなく、入力に対する正解・データの構造・行動後の報酬のどれを手がかりにするかを見る。試験で扱う範囲はJDLAのG検定シラバスで確認する。
モデルの評価指標
混同行列(Confusion Matrix)
分類問題の評価に使う基本ツールだ。
| 予測:正 | 予測:負 | |
|---|---|---|
| 実際:正 | TP(真陽性) | FN(偽陰性) |
| 実際:負 | FP(偽陽性) | TN(真陰性) |
主要な評価指標
| 指標 | 計算式 | 重視する場面 |
|---|---|---|
| 正解率(Accuracy) | (TP+TN)/(全体) | クラスが均等に分布している場合 |
| 適合率(Precision) | TP/(TP+FP) | 偽陽性を減らしたい(スパム誤判定を減らす等) |
| 再現率(Recall) | TP/(TP+FN) | 偽陰性を減らしたい(疾病の見逃しを防ぐ等) |
| F1スコア | 2×Precision×Recall/(P+R) | 適合率と再現率のバランスを取りたい |
上の式は、どちらを陽性とするかを決めた二値分類の整理だ。scikit-learn公式:分類の評価指標
正解率だけでは評価できない場合がある。
例えば99%が健常者のデータで「全員健常者」と予測すると正解率99%になるが、疾病を1例も発見できない。再現率が0%というのが実態だ。
見逃しを減らすなら再現率、陽性と判断したものの誤りを減らすなら適合率を重視する。ただし、一方だけを上げれば十分とは限らない。誤検知への対応負担も確認し、何を陽性と呼ぶか、どちらの誤りの影響が大きいかを先に決める。
回帰の評価指標
| 指標 | 内容 |
|---|---|
| RMSE(平均二乗誤差の平方根) | 予測値と実測値の差の大きさ。単位が元データと同じで解釈しやすい |
| MAE(平均絶対誤差) | 差の絶対値の平均。外れ値の影響を受けにくい |
| R²(決定係数) | 最良は1。平均値を予測する基準より悪いと負になることもある |
R²を「必ず0〜1」と覚えないことが重要だ。scikit-learn公式:決定係数
過学習・汎化性能・クロスバリデーション
汎化性能とは
訓練データだけでなく、未知のデータに対しても高い精度を示す能力だ。
過学習(訓練データへの過度な適合)を防ぎ、汎化性能を高めることが機械学習の核心的な課題だ。
クロスバリデーション(交差検証)
データを複数のブロックに分割し、順番に検証データとして使いながら学習と評価を繰り返す手法だ。
データが少ない場合でも、汎化性能を安定して評価できる。
ディープラーニング|多層のニューラルネットワークで学ぶ
ディープラーニングは、多層のニューラルネットワークを使って、データからパターンを自動的に学習する技術だ。G検定では、実装ではなく動作原理の概念的な理解が問われる。学習方式とは別の軸で、教師あり・教師なし・強化学習と組み合わせて使う。上で挙げたオートエンコーダも、その例だ。
ニューラルネットワークの構造
人間の脳の神経細胞(ニューロン)の接続を模した数学的なモデルだ。
入力層 → 中間層(隠れ層)× N → 出力層- 入力層:データを受け取る(画像なら各ピクセルの値)
- 中間層(隠れ層):パターンを抽出する。層が深いほど複雑な特徴を学べる
- 出力層:予測結果を出す(例:「猫:90%」「犬:10%」)
「ディープ」とは、中間層が多層であることを指す。ニューロンの間の接続には重みがあり、学習とは、訓練データに正しい出力を出させるように、重みを調整することだ。
活性化関数
ニューロンが受け取った信号を、次の層にどう伝えるかを決める変換関数だ。これがないと、層を重ねても線形変換にしかならない。
| 関数名 | 特徴 | 主な用途 |
|---|---|---|
| sigmoid | 出力を0〜1に圧縮。確率の表現に向く | 二値分類の出力層 |
| tanh | 出力を-1〜1に圧縮。0を中心にして学習が安定 | 中間層(古い手法) |
| ReLU | 0以下は0、正の値はそのまま出す。計算が速く、勾配消失を軽減 | 中間層の主流 |
| softmax | 複数クラスの確率を、合計1で出力する | 多値分類の出力層 |
バックプロパゲーション(誤差逆伝播法)
学習は、「予測、誤差の計算、重みの修正」の繰り返しだ。
1. 順伝播:入力データを前向きに流して、予測値を出す
2. 誤差計算:予測値と正解の差(損失)を計算する
3. 逆伝播:誤差を後ろ向きに伝えて、各重みの修正量を計算する
4. 重みの更新:勾配降下法で重みを更新するバックプロパゲーションは、ステップ3の「誤差を後ろ向きに伝える計算」を指す。損失を最小にする更新方法が勾配降下法で、傾きの向きに少しずつ谷を降りるイメージだ。更新の幅を決める係数が学習率で、大きすぎると収束せず、小さすぎると学習が遅くなる。
勾配消失問題と、過学習の対策
深いネットワークでは、誤差を逆伝播させる途中で勾配が極端に小さくなり、入力層に近い層がほとんど学習できなくなる。これを勾配消失問題という。
| 問題 | 対策 | 内容 |
|---|---|---|
| 勾配消失 | ReLUの使用 | sigmoidやtanhから置き換えて改善する |
| 勾配消失 | バッチ正規化 | 各層の入力を正規化して勾配を安定させる |
| 勾配消失 | 残差接続(ResNet) | 入力を後の層にそのまま足し込み、深い層を可能にする |
| 過学習 | Dropout | 学習中にランダムにニューロンを無効にする |
| 過学習 | L1/L2正則化 | 重みが大きくなりすぎないよう、ペナルティを加える |
| 過学習 | データ拡張 | 画像なら、回転・反転・トリミングで訓練データを増やす |
| 過学習 | Early Stopping | 検証データの誤差が増え始めたら、学習を止める |
代表的なネットワーク構造
| 構造 | 得意なデータ | 特徴 |
|---|---|---|
| CNN(畳み込みニューラルネットワーク) | 画像 | 畳み込み層でエッジや模様などの局所的な特徴を取り出し、プーリング層で情報を圧縮する。画像分類、物体検出、顔認識に使う |
| RNN(再帰型ニューラルネットワーク) | 時系列データ、テキスト | 前の時刻の隠れ状態を次の時刻に引き継ぎ、文脈を保つ。現在は、多くの場面でTransformerに置き換わっている |
| Transformer | 自然言語 | Self-Attentionで、文中の単語どうしの関係を並列に計算する。ChatGPTなどの大規模言語モデル(LLM)の基盤技術 |
AI活用プロンプト
アルゴリズムの使い分けを練習する
G検定・DS検定の機械学習で、アルゴリズムの選択を練習したいです。
以下の5つのビジネス課題に対して「どの機械学習アルゴリズムを使うか」
を答えてください。答えと理由も教えてください:
1. 過去3年間の月次売上データから翌月の売上を予測したい
2. 顧客10万人を購買行動の類似度でグループ分けしたい
3. 受信メールがスパムかどうかを自動判定したい
4. 工場の振動センサーデータから設備の異常を検出したい
5. 囲碁AIが最善手を学習したい
各課題について: 使うべき手法・アルゴリズム名・その理由を説明してください。ディープラーニングの理解を自分の言葉で確かめる
G検定に向けて、ディープラーニングの理解を確認したいです。
私が理解した内容を説明するので、論理的な誤りや不足点を指摘してください。
「ディープラーニングとは、多層のニューラルネットワークを使って、
入力データから出力を予測するモデルを訓練する技術です。
学習は、順伝播で予測を出し、その誤差をバックプロパゲーションで
逆向きに伝えて、重みを更新することで行われます」
この説明の正確さを評価し、G検定で問われる重要な補足があれば追加してください。技術・数理・活用を章ごとに結び付けたいときは、G検定の20時間コースで関連する節を確認できる。
まとめ
機械学習の3種類で押さえる核心:
教師あり学習=正解ラベルあり、回帰か分類か——問題の種類で使うアルゴリズムが変わる。
教師なし学習=ラベルなし、グループか圧縮か——k-means・PCAの目的を説明できれば試験で対応できる。
強化学習=試行錯誤で報酬最大化——ゲームAI・RLHF(ChatGPT等)が実例として使える。
評価指標は正解率だけじゃない——医療診断なら再現率、スパムフィルタなら適合率、という使い分けの根拠を説明できる状態にする。
ディープラーニングは「重みを調整して学習する」——活性化関数はReLUが中間層の主流、バックプロパゲーションは誤差を後ろに伝えて重みを直す手順、過学習の対策はDropout・正則化・Early Stopping。

