機械学習の基礎（教師あり・教師なし学習）とは？

機械学習の基礎（教師あり・教師なし学習）の意味

コンピュータがデータからパターンやルールを自動的に見つけ出す技術。教師あり学習は、正解ラベル付きのデータで学習し未知データを分類・予測する方式。教師なし学習は、正解ラベルのないデータから自動的にグループ分け（クラスタリング）や構造を見つけ出す方式。

機械学習の基礎（教師あり・教師なし学習）の具体例

過去の合否データ（合格・不合格のラベル付き）から新しい受験者の合否を予測するのは教師あり学習。購買履歴だけから似た傾向の顧客グループを自動的に発見するのは教師なし学習（クラスタリング）の例。

機械学習の基礎（教師あり・教師なし学習）は試験でどう引っ掛けられる？

分類（クラス分類）とクラスタリングを取り違えやすい。あらかじめ決まったクラスに振り分けるのが分類で教師あり、グループの定義自体をデータから見つけるのがクラスタリングで教師なし。また強化学習は正解ラベルではなく報酬を手がかりに試行錯誤で方策を学ぶ第3の枠組みで、教師あり学習の一種ではない。過学習（訓練データに合わせすぎて未知データの精度が落ちる）も定番で、訓練データでの精度が高いことは性能の証明にならない。

機械学習の基礎（教師あり・教師なし学習）が出た過去問

• 教師あり学習の事例に関する記述として，最も適切なものはどれか。

  正解：録音された乳児の泣き声と，泣いている原因から成るデータを収集して入力することによって，乳児が泣いている原因を泣き声から推測する。

  要点：教師あり学習は入力と正解ラベルの対から予測規則を学ぶ

  教師あり学習は、入力と正解ラベルが対になった訓練データを与えて、入力から正解を予測する規則を学ばせる方法です。泣き声の音声データとその原因という正解の組を大量に与えて原因を推測させる事例が、まさにこの形にあたります。

  出典：令和4年度 秋期 ITパスポート試験 問24（IPA）

• AIにおける機械学習の学習方法に関する次の記述中のa〜cに入れる字句の適切な組合せはどれか。 教師あり学習は、正解を付けた学習データを入力することによって、［ …

  正解：a：分類　b：回帰　c：クラスタリング

  要点：教師ありは分類と回帰、教師なしはクラスタリング

  教師あり学習は正解ラベル付きのデータを用い、データをクラスに振り分ける「分類」と、数値の関係性を関数として求める「回帰」に大別されます。教師なし学習は正解を与えずにデータの特徴の似たもの同士をグループ化する「クラスタリング」が代表的な手法です。よってa＝分類、b＝回帰、c＝クラスタリングとなります。

  出典：令和6年度 秋期 ITパスポート試験 問65（IPA）

• 教師あり学習において、正解となる情報を付与する作業を表す用語として、最も適切なものはどれか。

  正解：アノテーション

  要点：教師あり学習の正解ラベル付け作業がアノテーション

  教師あり学習では、入力データに対して「これは何か」という正解ラベルを与えた学習データが必要になる。このラベル付け作業をアノテーションと呼び、画像への物体名の付与やテキストへの分類ラベルの付与などが該当する。学習精度はこのラベルの質と量に大きく左右される。

  出典：令和8年度 秋期 ITパスポート試験 問16（IPA）