【疑問】教師あり・教師なし・強化学習、「正解があるかどうか」だけで分けてええの？回帰と分類も【G検定】

機械学習は教師あり・教師なし・強化学習の3つって習った
正解があるのが教師あり、ないのが教師なし、でええの？強化学習はどこに入るん？

前提のおさらい。機械学習は、ルールを人が書く代わりに、データからコンピュータがパターンを学ぶやり方。スパムフィルタやレコメンドが代表例

＞＞1
教師あり学習は、特徴量と正解（教師データ）のペアから、入力→出力の対応を学ぶ
メールの単語（特徴量）と「スパムかどうか」（正解）のペアを大量に見せて、新しいメールを判定できるようにする

＞＞3
教師あり学習は、さらに予測するものの種類で2つに分かれる
回帰：家賃や気温みたいな数値を当てる。例：家賃（万円）$=3+0.2\times$ 面積（m²）なら、25m²は $3+5=8$ 万円
分類：スパムか普通か、犬か猫か、みたいに決まった選択肢のどれかを当てる

教師なし学習は特徴量だけを使う。正解ラベルなしで、データの中のまとまりや構造を見つける
購入履歴から似た客をグループに分ける（クラスタリング）、たくさんの変数を少ない軸にまとめる（次元削減）など

強化学習は、正解を教えるんやなくて、行動の結果に報酬（ごほうび）を与えて、報酬の合計が大きくなる行動のしかたを学ぶ
ゲームなら、1手ごとに正解の手は教えずに、勝ったら＋1・負けたら−1だけを与える。どの手がよかったかは自分で探る

＞＞6
報酬も一種の正解やろ。強化学習は教師ありの仲間ちゃうの？

＞＞7
違う。教師ありは「この入力ならこの出力」と1つずつ答えを渡す。強化学習の報酬は「結果がどれくらいよかったか」の点数だけで、どの行動が正解やったかは教えん
しかも自分の行動で次に見るデータが変わる。そこが、決まったデータセットから学ぶ教師あり・教師なしとの一番の違い