AIF-C01#88(fundamentals-ai-ml)
ある企業が、ビジネスの運営効率を向上させるために機械学習（ML）アプリケーションを開発したいと考えています。 以下の選択肢に対して「教師あり学習（Supervised learning）」を選択してください。 ※【注意事項】※ 実際の試験ではホットスポットとして、教師あり学習（Supervised learning）、または教師なし学習（Unsupervised learning）を選択する問題となります。 以下の各ユースケースに対して、適切な機械学習のパラダイム（学習手法）を選択してください。各パラダイムは、1回以上選択することができます。 
（2つ選択）
正解：A, B
正解の根拠
教師あり学習はラベル付きデータからパターンを学習し新規入力にラベルを予測する手法です。二項分類 (A) は 2 つのクラス、複数クラス分類 (B) は 3 つ以上のクラスに割り当てるラベリングタスクで、いずれも訓練データに正解ラベルが必要なため教師あり学習に該当します。SageMaker XGBoost や Linear Learner で実装できます。
学習パラダイムとタスク
| パラダイム | 代表タスク |
|---|---|
| 教師あり学習 | 2 値分類・多クラス分類・回帰 |
| 教師なし学習 | クラスタリング・次元削減 |
| 強化学習 | 方策最適化 |
| 半教師あり | 少量ラベル＋多量無ラベル |
不正解の理由
- C: K-Means クラスタリングはラベルなしデータからグループ構造を自動発見する手法で、教師なし学習に分類されます。
- D: 次元削減 (PCA 等) はラベルを使用せず特徴量空間を圧縮する手法のため、教師なし学習に位置付けられます。
コメント