Supervised Learning
Supervised Learning
Supervised Learning（教師あり学習）とは
ひとことで
入力データと正解（ラベル）の組を大量に与えて学習させ、新しいデータの正解を予測できるようにする機械学習の手法。分類と回帰が代表的なタスク。
たとえると
答え付きの問題集で勉強するようなものです。「この問題の答えはこれ」という例をたくさん解くうちに、答えを導くコツを覚え、初めて見る問題にも答えられるようになります。
現場ではこう使う
カスタマーサポート部門には、過去の問い合わせメールに担当者が「請求」「解約」「不具合」などのカテゴリを付けたデータが数万件ありました。このデータで教師あり学習を行ったモデルを使い、新しく届いたメールを自動でカテゴリ分けし、担当チームに振り分けています。分類を誤ったメールは担当者が修正し、そのデータを次の学習に活かしています。
試験のポイント
EXAM POINT「正解ラベル付きのデータ」「教師データ」で学習すると出てきたら教師あり学習です。カテゴリを当てる「分類」（例：迷惑メールの判定）と、数値を当てる「回帰」（例：売上の予測）が代表例です。正解なしでデータの構造を見つける教師なし学習、試行錯誤で報酬を最大化する強化学習との3分類で区別しましょう。
混同しやすい用語との違い
- Unsupervised Learning正解ラベルを使わず、データの中のまとまりや構造を見つける
- Reinforcement Learning正解は与えられず、行動の結果得られる報酬をもとに試行錯誤で学ぶ