機械学習の概要（G検定 技術分野）

この分野で扱うこと

機械学習の手法を学習の手がかりで3つに分けて学び、最後にモデルの評価方法を学ぶ分野です。キーワードは62語で、全分野で2番目に多い分野です。

中項目	学習の手がかり	使い道の例
教師あり学習	特徴量と正解の組	売上の予測、不良品の判定
教師なし学習	特徴量だけ	顧客のグループ分け、データの要約
強化学習	行動の結果として得る報酬	ゲーム、ロボットの制御

中項目のつながり

教師あり・教師なし・強化学習は並列の関係で、違いは「何を手がかりに学ぶか」です。4つ目のモデルの選択・評価は、学習に使っていないデータでどれだけ当たるかを確かめる方法と、複数のモデルから選ぶ基準（AIC・BICなど）を扱います。評価指標は、混同行列や平均二乗誤差(MSE)など教師あり学習向けが中心です。

学ぶ順番

1. 教師あり学習：回帰と分類の違いから入り、線形回帰、決定木、SVM、アンサンブル学習へ進みます。
2. モデルの選択・評価：教師あり学習の直後に読み、混同行列からの計算を手を動かして練習します。
3. 教師なし学習：クラスタリングと次元削減を、教師あり学習との違いに注目して読みます。
4. 強化学習：用語が独特なので、最後にまとめて学びます。

つまずきやすいところ

手法の名前が多いうえ、評価指標には計算が必要なものもあります。手法は「何を入力し、何を出力するか」で整理し、指標は「分母に何をとるか」を意識すると混乱しにくくなります。