教師なし学習 - 正解なしで構造を見つける

頼もしいですね、ジャスミンちゃん。
では整理しましょう。
教師あり学習は正解ラベルで学びましたが、教師なし学習はそのラベルがない世界です。

たとえばお店の購買履歴データだけ大量にあるとき、教師なし学習?
は『似た買い方のお客さんグループ』を勝手に見つけてくれます。
正解を教えなくても、似ているものをまとめるんです。

代表手法は2つ覚えれば十分です。
似たデータをグループ化するクラスタリングと、情報をコンパクトにまとめる次元削減。
前者は次の記事で、後者はその次の記事で深掘りします。

メリットは『ラベル付けコストが不要』な点、デメリットは『結果の解釈を人間がしなければならない』点です。
AIがグループを作っても、それが何を意味するかは人が考える必要があります。

ジャスミンちゃん、今日の例えは秀逸ですね。
ちなみに教師なし学習は、教師あり学習のためのデータ前処理としても使われます。
例えばクラスタリングで似たデータをまとめてからラベル付けを行えば、ラベル付けコストを減らせます。

『自己教師あり学習』という発展形で、ラベルを人が付けずにデータ自身から擬似ラベルを作る手法ですね。
生成AIの核になる技術です。

試験では『ラベルなし』『構造やパターン発見』『クラスタリング・次元削減が代表』の3点を押さえましょう。
教師あり/教師なし/強化学習の区別は頻出です。

代表例は異常検知、顧客セグメンテーション、レコメンデーション、データの可視化などです。
ラベル付けが難しい場面で特に価値を発揮します。