教師あり学習 · 教師なし学習
Supervised / Unsupervised Learning
教師あり学習とは?
- 教師あり=正解付きデータで学習
- 教師なし=正解なしでパターン発見
- 機械学習の2つの方式
どちらを使うかはアルゴリズムの好みの問題ではなく、まずプロジェクトの日程表と人件費で決まります。教師あり学習で行くと決めた瞬間、「誰が、何件に、どんな基準で正解を付けるか」が全体工数の半分を占め、教師なし学習で行くとラベルの費用はなくなる代わりに「出てきた結果が使えるかどうかを判断する役目」がそのまま現場に戻ってきます。だから最初の会議で投げるべき問いは、どのモデルを使うかではなく、うちのDBに正解に当たる列があるかどうかです。
教師あり学習は、さらに分類(離脱/維持、不良/良品)と回帰(来月の需要量、予想単価)に分かれます。実務で使える分類モデルは、通常クラスあたり数百〜数千件のラベルが必要です。離脱顧客が全体の3%しかない不均衡データでは、正解率が97%に達しても「全件正常」とだけ答えるモデルができあがります。教師なし学習は、クラスタリングのほか、次元削減や異常検知にもよく使われます。ラベルが数百件しかないときは両者を混ぜる半教師あり学習、データ自体から問題と答えを作り出す自己教師あり学習がその間を埋めます。強化学習との境界は、正解の代わりにうまくできたかどうかへの報酬が与えられる点です。
現場で最もよくずれるのは「ラベルがないから教師なしで行こう」という判断です。クラスタリングの結果は番号の付いた塊にすぎず、3番のグループを「価格に敏感な層」と呼ぶ根拠はモデルではなく人が作る必要があり、クラスタ数を4から6に変えると先月のレポートのセグメントがまるごと消えてしまいます。逆に教師あり学習では過去のラベルの偏りがそのまま複製されます。営業が勘で「この先は離れそう」と付けた記録で学習させると、そのモデルは離脱を予測するのではなく、特定の営業担当者の判断癖をそのまま再生産します。
| 区分 | 教師あり学習 | 教師なし学習 |
|---|---|---|
| データ | 正解(ラベル)あり | 正解なし |
| 目的 | 予測(分類・回帰) | パターン・構造の発見 |
| はい | 離脱予測 | 顧客クラスタリング |
機械学習の初期から確立された基本的な分類で、データに正解(ラベル)があるかどうかによって学習方式を分ける枠組みです。
架空の事例で見てみましょう。役職員240名、年間売上高1,100億ウォン(約1,315,490万円)の産業用消耗品流通会社A社は、定期納品の取引先8,400社を管理しています。2年連続で月間離脱率が2.8%から下がらないのに、営業本部は「どこが危ないのか分からない」と繰り返すばかりでした。データチーム3名が4か月の課題としてこの問題を引き受けました。
- データチームのキム部長がERPから直近24か月の取引を抽出したところ、離脱の有無が記録された取引先は8,400社中1,900社だけでした。正解の列が4分の1も埋まっていない状態でした。
- 営業5チームのチーム長を集め、「3か月連続で発注0件なら離脱」と基準を統一し、2週間かけて過去データにラベル6,200件を遡って付けました。
- ラベルが揃った後、教師あり学習で離脱予測モデルを動かしたところ、リスク上位300社のうち214社が実際に離脱の道筋をたどっており、的中率71%となりました。
- 同じデータをラベルなしで発注周期・品目数・平均単価によってクラスタリングしたところ、6つのグループが出てきました。営業本部長は'4番グループは、われわれが一度も別に管理したことがない'と言いました。
- 少量・多品目の取引先1,120社である4番グループに専任CS担当者1名を配置し、リスク300社に訪問日程を組みました。
- 6か月後、月間離脱率は2.8%から1.6%に下がり、年換算の離脱売上は約34億ウォン(約40,661万円)から19億ウォン(約22,722万円)に減りました。
金鍾赫
ク・ジャリョン