教師あり学習

意味・定義

ラベル付きデータ（正解データ）を用いてモデルを学習させる機械学習の手法。

解説

教師あり学習は、正解ラベル付きのデータから学習する機械学習手法です。入力と出力のペアを大量に用意し、その関係性を学習します。 教師あり学習のタスクは、分類と回帰に大別されます。分類は、入力をカテゴリに分けるタスクです。例えば、メールをスパムか正常かに分類します。回帰は、連続値を予測するタスクです。例えば、住宅の価格を予測します。 代表的なアルゴリズムには、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、サポートベクターマシン、ニューラルネットワークなどがあります。タスクやデータの特性に応じて、適切なアルゴリズムを選びます。 教師あり学習の課題は、大量のラベル付きデータが必要なことです。ラベル付けには時間とコストがかかります。また、ラベルの品質が学習結果に直結するため、正確なラベル付けが重要です。

使い方・例文

• "画像認識では、何千枚もの「猫」「犬」とラベル付けされた画像で学習します。モデルは、猫と犬の視覚的な特徴を学習し、新しい画像を正確に分類できるようになります。 医療診断では、過去の患者データ（症状、検査結果、診断結果）で学習します。モデルは、新しい患者の症状から病気を予測します。また、不動産では、過去の物件データ（広さ、立地、築年数、価格）で学習し、新しい物件の適正価格を予測します。"

関連語

関連記事