機械学習の学習パラダイムとそのユースケースの組み合わせとして、正しいものを2つ選んでください。

Question

Accepted Answer

正解: 教師あり学習（Supervised Learning）→ 過去のスパムメール（正常/スパムのラベル付き）を使ったメールフィルタリングモデルの構築 / 強化学習（Reinforcement Learning）→ 報酬フィードバックを使ったロボットアームの把持動作の最適化。選択肢Aの教師あり学習→スパムメールフィルタリングは正しい組み合わせです。教師あり学習はラベル付きデータで分類・回帰モデルを構築する手法であり、正常/スパムのラベル付きデータを使ったフィルタリングはその代表例です。

選択肢Bは教師なし学習と記述されていますが、試行錯誤によりエージェントがスコアを最大化するよう学習するのは強化学習（Reinforcement Learning）が正しい分類です。

選択肢Cの強化学習→ロボットアームの把持動作最適化は正しい組み合わせです。強化学習はエージェントが環境と相互作用しながら累積報酬を最大化する手法であり、ロボット制御やゲームAI（AlphaGoなど）に適します。

選択肢Dは教師あり学習と記述されていますが、ラベルなしデータから購買パターンを自動発見するセグメンテーションは教師なし学習（クラスタリング）が正しい分類です。

Answer

教師なし学習（Unsupervised Learning）→ 試行錯誤によりゲームの操作エージェントがスコアを最大化するよう学習 — 試行錯誤によりエージェントがスコアを最大化するよう学習するのは強化学習の特徴であり、教師なし学習ではありません。

Answer

教師あり学習（Supervised Learning）→ ラベルなし顧客データから購買パターンを自動発見するセグメンテーション — ラベルなしデータから購買パターンを自動発見するセグメンテーションは教師なし学習（クラスタリング）の特徴であり、教師あり学習ではありません。

解説