令和元年度 秋期 午前 問4

✓ これが正解ウデータ同士の類似度を定義し，その定義した類似度に従って似たもの同士は同じグループに入るようにデータをグループ化するクラスタリング

解説

似たもの同士を自動で束ねるので、答えを与えずに学べます。

教師なし学習は、答えのラベルを与えないままデータの構造を取り出す枠組みです。クラスタリングは、データ同士の近さを測る物差しを先に決め、近いもの同士が同じ群に入るようにまとめます。どの群が何を意味するかは後から人が読み取るので、学習の最中に答えと照らし合わせる場面がありません。これが教師なしと呼ばれる理由です。顧客をいくつかの層に分ける、似た文書を寄せるといった使い方が代表例です。対する教師あり学習では、あらかじめ答えの付いた例を大量に与え、その答えへ近づくように規則を調整していきます。分類も回帰も、この照合を前提に組み立てられた手法です。群をいくつに分けるかは人が決める必要があり、そこは手探りになります。両者の分かれ目は手法の名前ではなく、学習の途中で答えを使うかどうかにあります。

ほかの選択肢はなぜ違うのか

• ア幾つかのグループに分かれている既存データ…：分離境界を先に定めて新しいデータを振り分ける手法は、分類と呼ばれる教師あり学習です。境界を引くためには、どの群に属するかが分かっている例が前もって必要です。答えの付いた例を使う時点で、教師なしの枠組みからは外れます。
• イ数式で解を求めることが難しい場合に，乱数…：モンテカルロ法は乱数で疑似データを作り、数値計算によって解を推定する方法です。積分の見積もりや待ち行列の模擬に使われますが、データから規則そのものを学び取る手続きではありません。そもそも学習の方式を分ける話に載らない選択肢です。
• エプロットされた時系列データに対して，曲線…：回帰分析は、並んだ点に曲線を当てはめて先を見通す手法です。当てはまりの良し悪しは実際の値との差で測るので、答えを使いながら調整していることになります。したがって教師ありの側に入り、教師なしの例にはなりません。