問 2
こもれびドラッグは、40の店を持っている。店ごとの売れ筋の商品や、来るお客さんの年代のデータを使い、似た店どうしをいくつかのまとまりに分けたいと考えている。これまで店を分ける基準は決めておらず、どんな種類の店があるのかも、まだ誰も整理していない。
こもれびドラッグが用いる機械学習の学び方と、その説明の組合せとして、最も適切なものはどれか。
考え方
正解のないデータから、似た店どうしを集めてまとまりに分けるので、教師なし学習です(店舗クラスタリング)。教師なし学習では、まとまりが何者かは、分けたあとに人が見て名前を付けます。正解を当てるのは教師あり学習、試して点数で学ぶのは強化学習です。
ここを押さえる
「答えはなく、似たものに分ける」なら教師なし学習。まとまりの名前は、分けたあとに人が付ける。
「答えはなく、似たものに分ける」なら教師なし学習。まとまりの名前は、分けたあとに人が付ける。
選択肢ごとの解説
×ア
説明は教師あり学習として正しいですが、この場面では店を分ける基準が決まっておらず、「この店はこのまとまり」という正解の付いたデータがありません。正解がないので、教師あり学習は使えません。
○イ
分ける基準が決まっておらず、正解のないデータから、売れ筋や客層の似た店を集めるので、教師なし学習です。店を似たものどうしに分けることを店舗クラスタリングといいます。
×ウ
説明は強化学習として正しいですが、この場面は、何かを試して点数で学ぶものではありません。データの似ている度合いで店を分けたいのです。
×エ
教師なし学習には正解がありません。分けたあと、それぞれのまとまりが何者かは、人が見て名前を付けます。AIが名前を正解として出すわけではありません。