AI基礎
教師あり学習とは？
読み: きょうしありがくしゅう英語: Supervised Learning更新日: 2026-06-23
教師あり学習とは、入力データと正解ラベルの組み合わせを使い、分類や回帰を学習する方法です。
生成AIパスポートG検定AWS AI Practitioner
関連表記: 教師あり学習 / Supervised Learning
試験で問われるポイント
- 迷惑メール分類や売上予測などに使われます。
- 分類と回帰の違いを押さえると解きやすくなります。
- 正解ラベルの質がモデルの性能に大きく影響します。
具体例
過去の顧客データに退会有無のラベルを付け、退会予測モデルを作る例があります。
混同しやすい点
- ラベルなしデータを使う教師なし学習と混同する。
- 強化学習の報酬と正解ラベルを同じものとして扱う。
関連問題で復習
AWS AI PractitionerAI・機械学習の基礎
教師あり学習に該当するユースケースとして適切なものを2つ選べ。
DS検定データサイエンス
倉庫ロボットが荷物を運び、遅延と電池切れを避けながら長期的な得点を高める。強化学習の要素と教師あり学習との違いの説明として最も適切なものはどれか。
G検定機械学習の概要・具体的手法
教師あり学習に必要な学習データを説明したものとして、最も適切なものはどれか。
G検定機械学習の概要・具体的手法
教師あり学習における分類問題と回帰問題の区別として、最も適切なものはどれか。
G検定人工知能をめぐる動向
四つの機械学習プロジェクト案がある。まず教師あり学習で実用性を検証する条件が最も整っているものはどれか。
生成AIパスポートAI（人工知能）
教師あり学習に該当する例はどれか。
生成AIパスポートAI（人工知能）
製品画像の一部には不良かどうかのラベルがあり、残りの大量の画像にはラベルがない。半教師あり学習に当たる利用方法はどれか。
生成AIパスポートAI（人工知能）
教師あり学習で利用される代表的な課題を2つ選べ。