教師あり学習とは？きょうしありがくしゅう
教師あり学習とは、入力と正解ラベルの組を大量に与え、未知の入力から正解を導く写像をモデルに獲得させる学習方式。出力がカテゴリなら分類、連続値なら回帰と呼び分ける。ラベルを人手で用意する必要があるため、精度の上限が用意できたラベルの量と質で決まる点が実務上の分かれ目になる。
最終更新：2026-10-06
この語が出る過去問を解く →背景
判定の条件を人が書き下す方式では、例外に出くわすたびに規則を足すことになり、規則どうしの矛盾が増えて保守が破綻する。判断の根拠を言葉にできない対象、たとえば手書き文字の形やメール文面の怪しさでは、そもそも規則を書けない。正解の例を並べて規則のほうを推定させるという発想は、この「基準を明文化できないが例なら集められる」領域を扱うために生まれた。
具体例
日本郵便の郵便番号読取り区分機は、手書き数字と正解の組を学習させた分類の実例である。回帰の側では、面積・築年数・駅距離から取引価格を推定するモデルが、国土交通省の不動産取引価格情報のような公開データを教師データとして使える。いずれも、学習前にラベルを付ける工程の人手コストが導入判断を左右する。
試験での引っ掛け
「教師」は人間の指導者ではなく正解ラベルを指す。ラベルのないデータを似たもの同士に束ねるのは教師なし学習、行動の結果として得た報酬を手掛かりに方策を改善するのは強化学習であり、この三分類の取り違えが定番である。また訓練データでの精度が高いだけでは評価にならず、未知データでの汎化性能を分けて測る必要がある。
関連用語
出た過去問
問題文で直接問われたものと、解説の中で触れられたものが含まれます。
出典：令和元年度 秋期 応用情報技術者試験 午前 問4（IPA）解説で登場
出典：令和6年度 秋期 応用情報技術者試験 午前 問2（IPA）
AIにおける教師あり学習での交差検証に関する記述はどれか。
正解：学習モデルの汎化性能を評価するために、データを複数のグループに分割し、一部を学習に残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返す。
要点：交差検証はデータを分割・入替えして汎化性能を評価する手法
交差検証（クロスバリデーション）は、手元のデータをk個のグループに分割し、1つを検証用、残りを学習用として学習と評価を行う操作を、グループを入れ替えながらk回繰り返す手法である。目的は未知データに対する汎化性能を偏りなく見積もることで、モデルそのものを強くする手法ではない。したがって「分割して順に入れ替えながら学習と評価を繰り返す」と述べた選択肢が該当する。
出典・参考
公式シラバスの1 基礎理論 ＞ 3. 情報に関する理論 ＞ (9) AI（Artificial Intelligence：人工知能）に関する技術に掲載されている用語です。
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。