はじめに

機械学習のアルゴリズムは「学び方」によって大きく3つの種類に分類できます。
今回は、講義で学んだ「教師あり学習」「教師なし学習」「強化学習」について、それぞれの違いを具体例を交えながらまとめてみます。

1. 教師あり学習 (Supervised Learning)

「問題（入力）」と「その答え（正解ラベル）」がペアになったデータセットを使って学習する方法です。答え付きの問題集で勉強するようなイメージです。

「答え（正解ラベル）」が与えられていないデータから、データ自身に潜むパターンや構造を見つけ出す方法です。①と対照的で、答えなしの問題集で勉強するイメージです。

ある環境の中で、エージェント（学習する主体）が試行錯誤を繰り返しながら、より良い結果（報酬）を得るための行動を学習していく方法です。正解そのものを教えるのではなく、行動の結果が良かったか悪かったかをフィードバックするという特徴があります。

3つの学習方法を表にまとめると、以下のようになります。

学習方法	データの特徴	ゴール	例え
教師あり学習	正解ラベル付き	未知のデータの値を予測する	問題集と解答集で勉強する
教師なし学習	正解ラベルなし	データに潜む構造やパターンを発見する	問題集のみで学習する
強化学習	環境と相互作用	試行錯誤を通じて報酬を最大化する	自転車の乗り方を練習する