教師あり学習と教師なし学習の違いは何ですか? [closed] 質問する

非常に基本的な質問をされているので、機械学習自体が何であるかを具体的に説明する価値があるようです。

機械学習は、データ駆動型のアルゴリズムの一種です。つまり、「通常の」アルゴリズムとは異なり、データが「良い答え」を「伝える」のです。例: 画像内の顔検出のための仮想的な非機械学習アルゴリズムは、顔が何であるかを定義しようとします (丸い肌のような色の円盤、目があると思われる暗い領域など)。機械学習アルゴリズムには、このようなコード化された定義はありませんが、「例から学習」します。顔と顔以外の画像をいくつか示すと、優れたアルゴリズムは最終的に学習し、目に見えない画像が顔であるかどうかを予測できるようになります。

この特定の顔検出の例は教師あり学習です。つまり、例にラベルを付ける、つまりどれが顔でどれがそうでないかを明示的に示す必要があります。

教師なしアルゴリズムでは、例にはラベルが付けられず、何も言わない。もちろん、そのような場合、アルゴリズム自体は顔が何であるかを「発明」することはできないが、集まるデータをさまざまなグループに分類し、たとえば、顔と風景は大きく異なり、風景と馬は大きく異なることを区別できます。

別の回答で言及されているように（ただし、間違った方法で）、教師あり学習には「中間」の形式、つまり半教師あり学習と能動学習があります。技術的には、これらは教師あり学習法であり、大量のラベル付き例を回避するための「スマートな」方法があります。能動学習では、アルゴリズム自体がラベル付けする対象を決定します（たとえば、風景と馬についてはかなり確信で​​きますが、ゴリラが実際に顔の写真であるかどうかを確認するように求められる場合があります）。半教師あり学習では、ラベル付き例から始めて、大量のラベルなしデータについての考え方を互いに「伝える」2つの異なるアルゴリズムがあります。この「議論」から学習します。