教師あり学習

📖 もうちょい詳しく

何が新しいの？

教師あり学習は、機械学習の中でもっとも基本的な学ばせ方です。
「問題」と「その正解」をセットにしたデータをたくさん見せて、AIにそのつながりを覚えさせます。たとえば、たくさんの写真に「これは犬」「これは猫」という正解（ラベルと呼びます）を付けておき、それを丸ごと学ばせる、というやり方です。正解という“お手本”があるので、学習を進めやすいのが特徴です。

どうやって動いてるの？

まず、入力と正解がそろったデータをモデルに見せます。
モデルはまず自分なりに答えを予想し、その答えと本物の正解とのズレを測ります。そのズレが小さくなるように、内部の数値を少しずつ調整します。これを大量のデータでくり返すと、新しいデータにも正しく答えられるようになっていきます。

何ができるの？

写真の仕分け、迷惑メールの判定、手書き文字の読み取り、売上の予測などに使われます。
「過去のデータに正解が付いていて、新しいデータにも同じ判断をしたい」という場面と相性が良いです。身近なところでは、メールの自動振り分けや、書類の文字起こしなどが当てはまります。

🌱 身近なたとえ

教師あり学習で例えると、答え付きの問題集で勉強する生徒のようなものです。
問題のとなりに正解が書いてあるので、解いては答え合わせをして、まちがえた所を直していけます。答えを見ながらコツをつかめるぶん、上達しやすいわけです。ただし、答えそのものを最初にだれかが用意しておく手間はかかります。

✅ まず覚えるポイント

• 問題と正解（ラベル）をセットで学ばせるやり方
• 機械学習の中で、もっとも基本的で広く使われる
• 答え合わせでズレを直しながら、少しずつ精度を上げる
• 仕分け・判定・予測などと相性が良い
• 正解を人が用意する手間が、あらかじめ必要

🧭 よくある勘違い

正解さえ付ければ、データは多いほど良い？

量だけでは決まりません。正解のラベルがまちがっていたり、かたよったデータばかりだと、まちがった判断を覚えてしまいます。
正解の付け方が正しく、内容のバランスがとれていることが、量と同じくらい大事です。

学習に使ったデータで正解できれば完成？

それだけでは安心できません。学んだデータにだけ強くなり、新しいデータでは外す状態（過学習と呼びます）が起きることがあります。
そのため、学習に使っていない別のデータで力を確かめるのがふつうです。

🧩 関連して覚えると楽な言葉

• 機械学習: データから規則を見つける大きな枠組み。教師あり学習はその一種
• 教師なし学習: 正解を付けず、データのまとまりや特徴をAI自身に見つけさせるやり方
• 強化学習: 正解の代わりに、良し悪しの“ごほうび”を手がかりに学ぶやり方
• 学習（トレーニング）: モデルにデータを見せて賢くしていく、その作業そのもの

🏁 ひとことでまとめ

教師あり学習は、問題と正解をそろえてAIに見せ、その関係を覚えさせる学ばせ方です。
答え付きの問題集で力をつける生徒のように、お手本があるぶん上達しやすい——機械学習の入り口になる、基本のやり方です。