← 概念解説に戻る

Concept Fable

教師あり学習

先に結論:モデルはラベル付きデータで訓練される:各サンプルには入力と対応する正解があり、モデルは入力からラベルを予測することを学ぶ。

Supervised Learning · Machine Learning

まず物語を読む。ここでは急いで定義を示さず、まず問題そのものを立ち上がらせる。

寓話

各木札の裏にある答え

薬舗の見習いは生薬を見分けることを学ぶ。師匠は百枚の木札を机に並べ、それぞれの表に生薬の見本を貼り、裏に正しい名前を書いた。薄荷、艾草、紫蘇、魚腥草。

学徒はまず表を見て当て、次に裏をめくって答え合わせをする。間違えると、師匠は葉の形、香り、産毛、色のどこを見落としたかを指摘する。繰り返し練習した後、彼はこの木札を丸暗記するだけでなく、特徴から名前を推測することを学んだ。

ある日、師匠は見たことのない新しいサンプルをいくつか混ぜ込んだ。徒弟が古い木の看板の位置だけを覚えていれば失敗するが、葉の形と匂いの規則を本当に学んでいれば、近い推測ができる。

師匠は木札を二つの山に分けた。一つは練習用、一つは普段は見てはならず、最後の試験に使う。もしすべての木札を練習に使ってしまえば、学徒は答えを覚えるだけで、新しい薬草に出会った時に見分けられるか誰にも分からなくなるからだ。

後に薬舗は、木札の裏の答えも間違うことに気づいた。誤ったラベルは徒弟を間違った方向に教える。そこで師匠は難しいサンプルを老薬師の再確認に回し、少なくても答えの信頼性を高めるようにした。

後に、さらに厄介な仕事が来た。表面的には古い問題の拡大に見えるが、実際にはプロセスに隠れた隙間をすべて押し出した。誰が先に引き継ぐか、誰が変更できるか、誤りが出たらどう前の段階に戻るか、以前は顔なじみの暗黙でやり過ごしていた場所を、今はすべて明確にしなければならない。

主事人はもう皆にもっと心を込めろと急かさず、現場をもう一度歩き直した。彼は各引継ぎ、各失敗、各補救を記録させ、どこがただ遅いだけか、どこが結果を誤って傷つけるか、どこが一度誤ると取り戻しにくいかを見極めさせた。

新しい規則が広まってから、最初の数日は順調ではなかった。検査が一つ増えたと嫌がる者もいれば、古い経験が侮辱されたと感じる者もいた。しかし次に異常が現れたとき、皆は初めて痕跡をたどって問題の発生位置を見つけられ、結果を囲んで互いに推測するのではなくなった。この方法は現場を魔法のように変えたわけではなく、責任、境界、引き返し道を明確にしただけだ。自動で完了できるものは自動のまま続け、人の判断が必要な箇所は止まって確認し、本当に危険な動作はもはや普通の動作に混ざって一緒に放行されない。

明らかにする

この物語が語るのは:教師あり学習

モデルはラベル付きデータで訓練される:各サンプルには入力と対応する正解があり、モデルは入力からラベルを予測することを学ぶ。

教師あり学習は分類、回帰、予測によく使われます。主要な要素には入力、ラベル、訓練セット、検証/テストセット、損失関数、ラベルの品質が含まれます。ラベルが不正確、データ分割が不適切、目的の選択を誤ると、モデルは偏って学習します。

メタファーのマッピング

  • 薬草サンプルの正面:入力データ
  • 木札の裏の答え:ラベル
  • 練習木札:訓練セット
  • 見てはいけない試験の木札:検証セットまたはテストセット
  • 老薬師の再確認:ラベル品質管理

Andy(任旭)判断

教師あり学習が実運用に乗るかどうかは、企業に高品質なラベルがあるかどうかにかかることが多い。信頼できる答えがなければ、モデルは誤りを大規模に学習しているだけである。

labelsclassificationregressionloss functionトレーニングセット
京ICP备2026014272号