教師あり学習とは？

教師あり学習の意味

入力データと正解ラベルの組を大量に与え、入力から正解を導く規則をモデルに学習させる方式。カテゴリを当てる「分類」と、連続した数値を当てる「回帰」に分かれる。FEでは3つの学習方式の区別と、ラベル付きデータが必要かどうかが問われます。

教師あり学習の具体例

迷惑メール判定では、各メールに「迷惑／正常」のラベルを付けて学習させ、未知のメールを振り分けます。住宅価格の予測なら、面積や築年数から価格という数値を出すので回帰です。学習前にラベルを付ける作業（アノテーション）に人手コストがかかる点が実務上の課題です。

教師あり学習は試験でどう引っ掛けられる？

「教師」は人間の講師ではなく正解ラベルのことです。ラベルの無いデータをグループ分けするのは教師なし学習、報酬をもとに試行錯誤するのは強化学習で、これらとの取り違えが定番です。

教師あり学習と関連する用語

• 教師なし学習
• 強化学習
• 過学習

教師あり学習が出た過去問

• AIの機械学習における教師なし学習で用いられる手法として、最も適切なものはどれか。

  正解：データ同士の類似度を定義し、その定義した類似度に従って似たもの同士は同じグループに入るようにデータをグループ化するクラスタリング

  要点：正解ラベルなしで似た者同士をまとめるクラスタリングが教師なし学習

  教師なし学習は、正解ラベルの付いていないデータから構造やパターンを見つける手法です。データ間の類似度に基づいて似たもの同士をまとめるクラスタリングは、正解を与えずにグループ分けするため教師なし学習の代表例です。分類・回帰は正解ラベルを与える教師あり学習に分類されます。

  出典：令和1年度 秋期 応用情報技術者試験 午前 問4（IPA）

• AIにおける教師あり学習での交差検証に関する記述はどれか。

  正解：学習モデルの汎化性能を評価するために、データを複数のグループに分割し、一部を学習に残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返す。

  要点：交差検証はデータを分割・入替えして汎化性能を評価する手法

  交差検証（クロスバリデーション）は、手元のデータをk個のグループに分割し、1つを検証用、残りを学習用として学習と評価を行う操作を、グループを入れ替えながらk回繰り返す手法である。目的は未知データに対する汎化性能を偏りなく見積もることで、モデルそのものを強くする手法ではない。したがって「分割して順に入れ替えながら学習と評価を繰り返す」と述べた選択肢が該当する。

  出典：令和6年度 秋期 応用情報技術者試験 午前 問2（IPA）