【はんきょうしありがくしゅう】
半教師あり学習 とは？
最終更新:
💡 ラベルのあるデータも、ないデータも学習に使う
ラベル付きデータとラベルなしデータの両方を使って学習する機械学習の手法。ラベルの少なさを補うことを目指すが、性能が改善するかはデータや方法に依存する。
📌 このページのポイント
- 一部だけに正解ラベルが付いたデータを使う。「半」は比率50%という意味ではない
- ラベル付きデータが少なく、ラベルなしデータが多い状況などで使う
- ラベルなしデータの分布や似ている関係を学習の手がかりにする
- 自己学習やラベル伝播などがあり、データの性質に合う方法を選ぶ
ひよこ 先生が半分だけ教えてくれるってこと？
ペンギン先生 全部のデータに正解ラベルがあるわけではない、ということだよ。半分ずつとは限らない。たとえば写真1000枚のうち50枚に猫・犬などの正解ラベルがあり、残り950枚にはない。この両方を学習に使う例が考えられるね。
ひよこ ラベルがない写真も役立つの？
ペンギン先生 画像同士の似ている関係やデータの分布が手がかりになることがあるよ。たとえばラベル伝播では、似たデータを線で結んだグラフを使い、ラベルの情報をほかのデータにも伝えるんだ。
ひよこ 自己学習という方法もある？
ペンギン先生 うん。まずラベル付きデータで学んだモデルに、ラベルなしデータのラベルを予測させる。確信度などで選んだ予測を仮のラベルとして加え、さらに学ぶ方法だよ。間違った予測を取り込むこともあるから、選び方が大切なんだ。
ひよこ 少しラベルを付ければ必ず高精度になる？
ペンギン先生 そうとは限らない。どれくらいのラベルが必要かも問題によるよ。ラベルなしデータの性質が手法の前提に合うか、予測したい対象を代表しているかなどを確かめ、別の評価用データで性能を確認する必要があるんだ。
ひよこ 自己教師あり学習とは違うの？
ペンギン先生 半教師ありは、ラベルがあるデータとないデータの両方を使うという区分。自己教師ありは、データ自体から学習の手がかりを作る方法のことだよ。両方を組み合わせることもあるけれど、同じ名前の学習方法ではないんだ。
まとめ：ざっくりこれだけ覚えればOK！
「半教師あり学習」って出てきたら「正解ラベルがあるデータとないデータを一緒に使って学ぶ方法」と思えばだいたいOK！
📖 おまけ：英語の意味
「Semi-supervised Learning」 ＝ 半教師あり学習
💬 Semiは一部・不完全といった意味の接頭辞。すべての学習データにラベルがあるわけではないことを表し、半分ずつという比率は決めていないよ。