Unsupervised Learning

教師なし学習は、人間が介入することなく、アルゴリズムがタグ付けされていないデータからパターンを学習する機械学習の一種です。モデルのトレーニングにラベル付きの入出力ペアを必要とする教師あり学習とは異なり、教師なし学習は過去のラベルがないデータを扱います。システムは、入力データ内の隠れた構造、パターン、または関係性を発見することで、本質的に自己学習を試みます。今日生成される画像、動画、テキスト、センサーログなどの膨大なデータは非構造化でラベル付けされていないため、このアプローチは非常に価値があります。

Link to this section教師なし学習の仕組み#

教師なし学習のシナリオでは、アルゴリズムはデータ内の興味深い構造を発見するために自律的に動作します。目標は、データの基盤となる分布をモデル化すること、あるいはデータそのものについてさらに深く学ぶことであることがよくあります。トレーニング中に「正解」が提供されないため、モデルを伝統的な意味での精度で評価することはできません。代わりに、パフォーマンスは、モデルがどの程度次元を削減できているか、あるいは類似したデータポイントをどの程度クラスタリングできているかによって測定されることが一般的です。

この手法は、人間が新しい概念を学習する方法とよく似ています。例えば、子供は「犬」や「猫」という名前を最初は知らなくても、その異なる形状や行動を観察することで、犬と猫を区別することができます。同様に、教師なしアルゴリズムは、固有の類似性に基づいて情報をグループ化します。この能力は、汎用人工知能 (AGI) の開発において極めて重要であり、人間による継続的な監視なしで、システムが新しい環境に適応することを可能にします。

Link to this section教師なし学習の主要な手法#

教師なし学習にはいくつかの明確な手法があり、それぞれが異なるタイプのデータ分析課題に適しています。

• クラスタリング: これは最も一般的な用途であり、アルゴリズムが互いに類似したデータポイントをグループ化します。一般的な手法として K-Meansクラスタリング があり、これは特徴の類似性に基づいてデータを k 個の異なるグループに分割します。これは市場セグメンテーションにおいて、類似した購買行動を持つ顧客グループを特定するために広く使用されています。
• 次元削減: 高次元データは複雑で、処理に計算コストがかかる場合があります。主成分分析 (PCA) のような手法は、データセット内の変数の数を減らしながら、その本質的な情報を保持します。これにより、データ可視化 が単純化され、他の機械学習モデルのトレーニングが高速化されます。
• 異常検知: 「正常」なデータがどのようなものかを学習することで、教師なしモデルは基準から大きく逸脱した外れ値を特定できます。これは 金融における不正検知 にとって非常に重要であり、通常とは異なる取引パターンがセキュリティアラートをトリガーします。
• アソシエーションルール学習: この手法は、大規模なデータベース内の変数間の興味深い関係を発見します。これはマーケットバスケット分析に使用されることで有名であり、パンを購入する顧客がバターも購入する可能性が高いことを小売業者が理解するのに役立ちます。

Link to this section教師なし学習と教師あり学習の比較#

教師なし学習 と 教師あり学習 を区別することは重要です。主な違いは使用されるデータにあります。教師あり学習には ラベル付きデータセット が必要であり、各トレーニング例は正しい出力とペアになっています（例：「猫」というラベルが付けられた猫の画像）。モデルは、誤差を最小化するために入力を出力にマッピングするように学習します。

対照的に、教師なし学習はラベルなしデータを使用します。モデルの出力が正しいかどうかを伝えるフィードバックループは存在しません。半教師あり学習 と呼ばれる中間的な手法もあり、これは少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習精度を向上させるもので、データのラベル付けにコストや時間がかかる場合に活用されます。

Link to this section実社会での応用#

教師なし学習は、私たちが日常的に遭遇する多くの技術を支えています。具体的な例を2つ挙げます。

1. 小売における顧客セグメンテーション: Eコマースプラットフォームは、定義済みのカテゴリなしで何百万ものユーザーインタラクションを分析します。クラスタリングアルゴリズムを使用することで、「週末のバーゲンハンター」や「技術愛好家」といった明確なユーザーペルソナを特定します。これにより、非常にパーソナライズされたマーケティングキャンペーンや レコメンデーションシステム が可能となり、顧客体験が大幅に向上します。

2. ゲノム配列解析: バイオインフォマティクスにおいて、研究者は教師なし学習を使用して遺伝データを分析します。アルゴリズムはDNA配列をクラスタリングし、異なる集団間で類似した遺伝的マーカーや変異を見つけ出します。これは、個々の遺伝子機能に関する事前の知識がなくても、進化上の関係を理解したり、疾患に対する遺伝的素因を特定したりするのに役立ちます。

Link to this sectionコード例: Scikit-Learn を使用したクラスタリング#

Ultralytics YOLO26 は主に教師ありの物体検出フレームワークですが、アンカーボックス分布の分析やデータセットの特徴のクラスタリングなど、前処理のステップで教師なし学習の手法がよく使用されます。以下は、基本的な教師なし手法である K-Means クラスタリングを実行するために sklearn を使用する簡単な例です。

import numpy as np
from sklearn.cluster import KMeans

# Generate synthetic data: 10 points with 2 features each
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

# Initialize KMeans with 2 clusters (k=2)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto")

# Fit the model to the data (no labels provided!)
kmeans.fit(X)

# Predict which cluster each point belongs to
print(f"Labels: {kmeans.labels_}")
# Output will group the first 3 points together (0) and the last 3 together (1)

Link to this sectionディープラーニングにおける教師なし学習の役割#

現代の ディープラーニング (DL) では、教師なしの原則がますます統合されています。自己教師あり学習 (SSL) のような手法では、モデルがデータから独自の監視信号を生成できます。例えば、自然言語処理 (NLP) において、GPT-4 のようなモデルは、文中の次の単語を予測するために膨大なテキストで事前学習されており、明示的なラベルなしで言語の構造を効率的に学習しています。

同様に、コンピュータビジョン (CV) では、オートエンコーダーを使用して効率的なデータエンコーディングを学習します。これらのニューラルネットワークは、画像を低次元の表現に圧縮し、それを再構成します。このプロセスにより、ネットワークは視覚データの最も重要な特徴を学習し、画像ノイズ除去 や生成モデリングといったタスクに役立てられます。

トレーニング用のデータセットを管理したい場合、Ultralytics Platform ではデータ分布を可視化するツールを提供しており、教師ありトレーニングプロセスを開始する前にクラスタや異常を特定するのに役立ちます。教師なし学習による探索を通じてデータの構造を理解することは、堅牢なAIソリューションを構築するための最初のステップとなることが多いです。