教師なし学習

ラベルのないデータセットでモデルをトレーニングすることを指します。その目的は、データ内の隠れたパターンや構造を発見することです。これは、子供に説明書なしでレゴブロックの大きな箱を渡すようなものです。子供が自分自身でどのような興味深い構造やパターンを作り出すかを見ることが目的です。例としては、クラスタリングや次元削減のタスクが挙げられます：

• クラスタリング: 似たようなインスタンスをクラスターにグループ化することが目的です。これは、やり方を教わらずにおもちゃをグループに分けるようなものです。例えば、店舗が顧客を異なるタイプにグループ化し、それぞれのタイプに最適な広告方法を判断したりします。また、ソーシャルメディアでは、誰がどの友人グループに属しているかを見つけるのに役立ちます。
• 次元削減: 高次元データの複雑さを、その本質的な特性を維持しながら簡素化する手法です。学用品でいっぱいの巨大なバックパックを持っていて、それを軽くしたいと想像してみてください。次元削減は、何が不可欠で何がそうでないかを見極め、本当に必要なものだけを持ち運ぶようなものです。これは、情報が多すぎる場合に対処するのに役立ちます。例えば、非常に複雑な絵を見て、理解しやすいように簡略化しようとする場合などです。

このコースでさまざまなアルゴリズムを学習していく中で、それらが教師あり学習と教師なし学習のどちらに近いかについて説明していきます。