機械学習とは？

機械学習の意味

データから規則性を自動的に獲得する技術。正解ラベル付きデータから予測式を学ぶ「教師あり学習」、ラベルなしデータの構造を見つける「教師なし学習」、行動の結果得られる報酬を最大化する方策を学ぶ「強化学習」に大別される。

機械学習の具体例

過去の与信データから貸倒れを予測するのは教師あり学習（分類）。顧客を購買傾向で自動的にグループ分けするクラスタリングは教師なし学習。囲碁AIの自己対局は強化学習。

機械学習は試験でどう引っ掛けられる？

クラスタリングは「教師なし」、分類（クラス分類）は「教師あり」。名前が似ているので区別する。

機械学習と関連する用語

• ディープラーニング
• 過学習

機械学習が出た過去問

• データマイニングの説明として、最も適切なものはどれか。

  正解：ニューラルネットワークや統計解析などの手法を使って、大量に蓄積されているデータから、特徴あるパターンを探し出す。

  要点：データマイニングは大量データから未知のパターンを掘り出す

  データマイニングは、蓄積された大量のデータに統計解析や機械学習の手法を適用し、人が気付かなかった規則性や特徴的なパターンを掘り起こす技術である。仮説を人が立てて確かめるのではなく、データから知見そのものを発見する点が特徴である。他の選択肢はデータウェアハウス、データマート、OLAPの説明である。

  出典：平成29年度 秋期 高度共通_午前I試験 am1 問10（IPA）

• ビッグデータの利用におけるデータマイニングを説明したものはどれか。

  正解：蓄積されたデータを分析し，単なる検索だけでは分からない隠れた規則や相関関係を見つけ出すこと

  要点：データマイニングは大量データから隠れた規則・相関を発見する

  データマイニングは、蓄積された大量のデータに統計解析や機械学習の手法を適用し、単純な検索や集計では見えない規則性や相関関係を発見する技術である。あらかじめ仮説を持たなくてもデータ側から知見を掘り起こせる点が特徴である。他の選択肢はデータマート、データモデル、レプリケーションの説明である。

  出典：平成29年度 春期 高度共通_午前I試験 am1 問9（IPA）

• AIの機械学習における教師なし学習で用いられる手法として、最も適切なものはどれか。

  正解：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

  要点：教師なし学習の代表はラベル無しデータのクラスタリング

  教師なし学習は、正解ラベルの付いていないデータから、データそのものがもつ構造や規則性を見つけ出す学習である。その代表がクラスタリングで、データ間の類似度（距離）を定義し、似たもの同士が同じグループになるように自動的に分類する。

  出典：令和1年度 秋期 高度共通_午前I試験 am1 問3（IPA）

• オブジェクト指向のプログラム言語であり、クラスや関数、条件文などのコードブロックの範囲はインデントの深さによって指定する仕様であるものはどれか。

  正解：Python

  要点：Pythonはインデントの深さでブロック範囲を表す

  Pythonは、波括弧やendキーワードではなくインデントの深さでブロックの範囲を表す（オフサイドルール）ことが大きな特徴のオブジェクト指向言語である。この仕様により、書式が統一され可読性が高まる一方、インデントの誤りが構文エラーや意図しない動作に直結する。機械学習やデータ分析の分野で広く使われている。

  出典：令和2年度 10月 高度共通_午前I試験 am1 問3（IPA）

• AIにおける機械学習において、2クラス分類モデルの評価方法の一つであるROC曲線で用いられる偽陽性率の説明として、最も適切なものはどれか。ここで、分類されるデー…

  正解：実際に“間違い”であるデータに対し、誤って“正しい”と予測したデータの割合

  要点：偽陽性率＝実際の陰性のうち誤って陽性とした割合

  ROC曲線は縦軸に真陽性率、横軸に偽陽性率をとる。偽陽性率は「実際は陰性であるデータのうち、誤って陽性と判定した割合」であり、FP/(FP+TN)で計算する。本問では“正しい”を陽性クラスとみなすので、実際は“間違い”のデータを誤って“正しい”と予測した割合が該当する。

  出典：令和7年度 秋期 高度共通_午前I試験 am1 問2（IPA）