教師なし学習教師なし学習
教師なし学習これは、トレーニング セットに対応するカテゴリの識別を提供しない学習方法であり、通常、データ セットはあるがラベルがない状況に適しています。
教師なし学習の特性
- 使用されるデータにはラベルが付けられておらず、つまり入力データに対応する出力結果が不明であり、クラスタリングや異常検出などのデータ モデルとパターンを自分で見つけることしかできません。
- その目的は、データの内部構造を理解するために元のデータを分類することです。
- 学習時には、分類結果が正しいかどうかはわかりません。つまり、教師あり強化は受けられません。
- このネットワークには入力例のみが提供され、これらの例から潜在的なクラス ルールが自動的に検出され、学習とテスト後に新しいケースに適用されます。
現在、機械学習は教師あり学習、教師なし学習、半教師あり学習に分類されており、トレーニングサンプルに人間によるアノテーションの結果が含まれているかどうかが基準となります。