機械学習とは — 教師あり・教師なし・強化学習

機械学習の基本的な考え方と、教師あり・教師なし・強化学習という 3 つの枠組みを理解します。

このトラックで学ぶこと#

このトラック（L2）では、モデルを動かす前に押さえておきたい機械学習の基礎理論を学びます。タスクの設定・検証の組み方・評価指標の選び方といった「土台」を固めることで、以降のコンペで安定して戦えるようになります。

機械学習は、人がルールを直接書く代わりに、データからパターンを学んで予測・判断する技術です。たとえば「乗客の属性から生存を予測する」モデルは、過去のデータから「どんな人が助かりやすかったか」の規則性を自動で見つけます。

Kaggle のコンペの大半は、正解ラベル付きデータで予測モデルを作る教師あり学習です。本トラックも教師あり学習を中心に進めます。

メモ

教師あり学習はさらに、目的変数が連続値なら回帰、離散的なクラスなら分類に分かれます。次のレッスンで詳しく扱います。

モデルは、予測と正解のズレ（損失関数）が小さくなるように内部のパラメータを調整します。この「ズレを減らす方向に少しずつ更新する」代表的な仕組みが勾配降下法です。

Quiz正解ラベルを使わず、データ自体の構造（クラスタなど）を見つける枠組みはどれ？

教師あり学習教師なし学習強化学習

次のレッスンでは、解きたい課題を「回帰」か「分類」かに落とし込む問題設定を学びます。