Version Spaceとは
Version Spaceとは、与えられた学習例と矛盾しない仮説だけを残した、候補の集合です。日本語ではバージョンスペースという表記です。機械学習の中でも、正解例と不正解例を見ながら「まだ可能性がある説明」を絞り込む、記号AI寄りの考え方といえるでしょう。
日本語表記：バージョンスペース
関連表記：candidate elimination
候補を足すより、矛盾する候補を消す
たとえば「購買しやすい顧客」の条件を学ぶ場面で考えてみましょう。新しい事例を見るたびに、合わないルール候補を消していき、最後に残った範囲を仮説として扱うのが基本です。教師あり学習に連なる考え方ですが、深層学習のように大量データから重みを調整するのではなく、説明候補を論理的に狭める発想に近いでしょう。データに誤りが少ない場面ではわかりやすい一方、現実の顧客データのように例外やノイズが多いと、候補が不自然に消えやすい弱点があります。
Topicノイズに弱いという、きれいすぎる弱点
Version Spaceは、例が正しい前提なら筋の通った候補絞り込みが可能です。しかし、ラベル付けミスや例外が混ざると、本当は有望なルールまで「矛盾した」として消してしまうことがあります。現場データがいつもきれいではない、という当たり前の問題が、古典的な学習理論にも影を落とすのです。
関連用語
Version Spaceに関するよくある質問
- Version Spaceは今の機械学習でも重要ですか？
- 現在の実務でそのまま使う場面は多くありませんが、少数の事例から説明候補を絞る考え方を理解する上で重要です。機械学習が単なる暗記ではなく、仮説を選ぶ営みでもあることを示します。
- Version Spaceが苦手なデータは何ですか？
- 誤ったラベルや例外が多いデータです。矛盾する例が入ると候補が消えすぎるため、現実の顧客データや業務データでは、前処理や例外の扱いが重要になります。
