教師あり学習・教師なし学習・強化学習とは？きょうしありがくしゅう・きょうしなしがくしゅう・きょうかがくしゅう
教師あり学習・教師なし学習・強化学習とは、機械学習の学習方法の分類で、分ける軸は「何を手がかりに正しさを測るか」である。教師あり学習は入力と正解ラベルの組から誤差を縮め、教師なし学習は正解を与えずデータ自身の構造を取り出し、強化学習は行動の結果として得られる報酬を手がかりに試行錯誤で方策を改善していく。
最終更新：2026-10-06
この語が出る過去問を解く →背景
正解付きのデータを用意できるかどうかは現場では選べない。過去の判定結果が蓄積されている業務なら教師ありが使えるが、そもそも何をグループとみなすかが未知なら正解を作れず、囲碁のように一手ごとの正解が定義できない問題もある。3つの分類は手法の優劣ではなく、使える手がかりによる住み分けとして理解するのが要点である。
具体例
教師ありは、過去のメールと迷惑メールか否かのラベルから新着メールを分類する用途。教師なしは、通販サイトの購買履歴から似た買い方をする顧客をクラスタリングして推薦に使う用途。強化学習はDeepMindのAlphaGoやデータセンタの空調制御のように、行動を選んだ結果でしか評価できない問題に向く。
試験での引っ掛け
教師ありと教師なしを分けるのは正解ラベルの有無であって、データ量や精度の高低ではない。強化学習は正解を直接与えない点で教師なしに似るが、報酬という評価信号を受け取るので別物である。クラスタリングと次元削減は教師なし、分類と回帰は教師ありという対応も併せて押さえる。
関連用語
出た過去問
出典：令和元年度 秋期 応用情報技術者試験 午前 問4（IPA）
AIの機械学習における教師なし学習で用いられる手法として、最も適切なものはどれか。
正解：データ同士の類似度を定義し、その定義した類似度に従って似たもの同士は同じグループに入るようにデータをグループ化するクラスタリング
要点：正解ラベルなしで似た者同士をまとめるクラスタリングが教師なし学習
教師なし学習は、正解ラベルの付いていないデータから構造やパターンを見つける手法です。データ間の類似度に基づいて似たもの同士をまとめるクラスタリングは、正解を与えずにグループ分けするため教師なし学習の代表例です。分類・回帰は正解ラベルを与える教師あり学習に分類されます。
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。