半教師あり学習

半教師あり学習とは、正解ラベル付きのデータと、ラベルなしの大量のデータを組み合わせてモデルを学習させる手法です。一般的に機械学習ではラベル付きデータを集めるコストが非常に高いため、少量のラベル付きデータに、低コストで手に入るラベルなしデータを加えることで、効率よく学習精度を向上させようという考え方に基づいています。

仕組みとしては、まず少量のラベル付きデータでモデルをある程度学習させ、そのモデルを用いてラベルなしデータの予測を行います。その予測結果を擬似的なラベルとして利用し、さらにモデルを学習させるなどのアプローチがあります。データの分布構造を捉えることで、ラベル付きデータだけでは見えなかった特徴を学習できるのが強みです。

G検定では、機械学習の学び方の分類（教師あり学習、教師なし学習、強化学習）の文脈に関連して問われます。特に、ラベル付きデータが希少であるという現実的な制約に対してどうアプローチするかという課題解決の文脈で登場することが多いため、定義をしっかり押さえておきましょう。