AWS認定資格 無料問題集

解答

正しい解答：Ｂ. 教師なし学習

　URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。

徹底解説

　新生児用のおむつを買う人はエナジードリンクも買う傾向があるといった購買パターンを発見して、セット販売やレコメンドに活用する場合、機械学習（ML：Machine Learning）における教師なし学習（Unsupervised Learning）が使用されます。教師なし学習は、正解データを用いないでデータ構造を学習する手法であり、データの特徴を自動的に分析して、パターンや関係性を発見する技術です。購買パターンの分析は、データ内の関連性を発見する作業であり、正解ラベルを事前に用意する必要がありません。典型的な教師なし学習のユースケースのひとつといえるでしょう。また、購買パターンの分析のほか、クラスタリングによるグループ分けや異常検知など、ラベルなしデータから構造を見つける用途でも活用されます。

　その他の選択肢は、購買パターンや相関関係の発見と活用に適したMLの手法ではありません。教師あり学習（Supervised Learning）は、事前に正しいデータ（ラベル付きデータ）を用いてAIを学習させ、そのデータのルールやパターンから正しい結果を予測する手法です。需要予測や音声認識などのように、過去のデータなどをもとに正解を見つけたい場合などに用いられます。本問題では、購買パターンや相関関係の発見が目的であり、正しいラベルが存在しないため、教師あり学習は適切ではありません。
　半教師あり学習（Semi-Supervised Learning）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する機械学習の手法です。ラベル付きデータとは、事前にインプットする正しいデータのことです。半教師あり学習では、ラベル付きデータの情報を活用しながら、ラベルなしデータの構造を学習することで、モデルの精度を向上させることができます。この手法は、ラベル付きデータの収集が困難または高コストな場合に特に有効であり、自然言語処理、画像認識、異常検知などの分野で活用されています。本問題では、購買パターンや相関関係の発見が目的であり、正しいラベルが存在しないため、半教師あり学習は適切ではありません。
　強化学習（Reinforcement Learning）は、エージェント（意思決定を行う主体）が環境と相互作用しながら、行動の結果として報酬（行動の評価指標）を繰り返し受け取ることで、最適な行動を学習するための手法です。自動操縦や将棋AIのように、何らかの価値を最大化する行動を学習する際に活用されます。本問題のケースは、購買パターンや相関関係の発見が目的であり、行動選択や報酬最大化の枠組みとはなっていないため、強化学習は不正解となります。

ちなみに...
　本問題は商品同士の購入傾向を見つけるアソシエーション分析（マーケットバスケット分析）の典型例であり、教師なし学習の代表的なユースケースです。アソシエーション分析は、同時に購入されやすい商品など、データ内の関連性を見つける手法で、マーケットバスケット分析としてレコメンドやセット販売に活用されます。