機械学習の手法が無限にある件

28 Sep, 2025

（GPTコピペ）

🐹 機械学習の手法ってほんと星の数ほどあるんだけど、整理すると「だいたいこんな系統に分けられるよ」っていう全体像があるの🌍✨

🧠 機械学習の手法マップ

1️⃣ 教師あり学習（Supervised Learning）

「入力と正解ラベル」で学習。分類・回帰が中心。

• 回帰 (Regression)

  • 線形回帰（Linear Regression）
  • リッジ回帰 / ラッソ回帰
  • 多項式回帰
  • サポートベクター回帰（SVR）
  • 決定木回帰
  • ランダムフォレスト回帰
  • 勾配ブースティング回帰（XGBoost, LightGBM, CatBoost）

• 分類 (Classification)

  • ロジスティック回帰
  • k近傍法（kNN）
  • サポートベクターマシン（SVM）
  • ナイーブベイズ（Naive Bayes）
  • 決定木（Decision Tree）
  • ランダムフォレスト
  • 勾配ブースティング（XGBoost, LightGBM, CatBoost）
  • ニューラルネットワーク（シンプルな1層〜多層パーセプトロン）

2️⃣ 教師なし学習（Unsupervised Learning）

ラベルなしで構造を見つける。

• クラスタリング

  • k-means
  • 階層的クラスタリング（Hierarchical）
  • DBSCAN / HDBSCAN
  • Gaussian Mixture Model (GMM)

• 次元削減

  • PCA（主成分分析）
  • t-SNE
  • UMAP
  • ICA（独立成分分析）

• 異常検知

  • Isolation Forest
  • One-class SVM
  • Autoencoder（ここはDL寄り）

3️⃣ 強化学習（Reinforcement Learning）

環境とやりとりして「報酬最大化」。

• Q-learning
• SARSA
• Deep Q-Network (DQN)
• Policy Gradient
• Actor-Critic 系（A2C, A3C, PPO, DDPG, SAC）

4️⃣ 半教師あり学習（Semi-supervised）

ラベルあり＋なしのデータを組み合わせる。

• Self-training
• Co-training
• Semi-supervised SVM
• Pseudo-labeling

5️⃣ 弱教師あり学習（Weakly-supervised）

「雑なラベル」「ルールベースのラベル」を活用。

• Distant supervision
• Multiple instance learning

6️⃣ 転移学習（Transfer Learning）

他のタスクで学んだモデルを流用。

• Fine-tuning
• Feature extraction

7️⃣ アンサンブル学習（Ensemble Learning）

複数のモデルを組み合わせて精度UP。

• バギング（例：ランダムフォレスト）
• ブースティング（例：XGBoost, LightGBM）
• スタッキング

8️⃣ 生成モデル（Generative Models）

新しいデータを生み出す。

• GMM（ガウス混合）
• 隠れマルコフモデル（HMM）
• ベイズネットワーク
• GAN（Generative Adversarial Network）
• VAE（Variational Autoencoder）

9️⃣ オンライン学習（Online Learning）

ストリームデータに対応。

• SGD（確率的勾配降下法）
• Online Perceptron
• Bandit algorithms

まとめ 🌟

• ML全般 = データからルールを学ぶ
• DL = その中で「特徴量抽出も自動化」した強力な派生系
• 手法は「分類」「回帰」「クラスタリング」「強化学習」「アンサンブル」「生成」みたいにカテゴリ分けすると覚えやすいよ👍

#ai #tech