機械学習の基礎（教師あり・教師なし学習）とは？きかいがくしゅうのきそ
機械学習の基礎（教師あり・教師なし学習）とは、データからパターンを自動的に見つける技術。正解ラベル付きのデータで分類や回帰の規則を学ぶ教師あり学習と、ラベルのないデータからクラスタリングや次元削減で構造を見つける教師なし学習に大別され、報酬を手がかりに方策を学ぶ強化学習が第3の枠組みとして並ぶ。
最終更新：2026-10-06
この語が出る過去問を解く →背景
従来のプログラムは、判定の規則を人が書き下せることを前提に作られていた。ところが手書き文字の判別や離反しそうな顧客の見極めのように、人が規則を言語化できないまま経験だけで判断している業務がある。機械学習は規則そのものをデータから推定させることでこの制約を外す。応用情報では手法名より、ラベルの有無と評価指標の意味が問われる。
具体例
過去の契約データに解約したかどうかのラベルを付けて学習させ、新規顧客の解約確率を予測するのが教師あり学習の分類。購買履歴だけからk-means法で顧客を似た者どうしにまとめるのが教師なし学習のクラスタリングにあたる。
試験での引っ掛け
分類とクラスタリングの取り違えが定番で、あらかじめ決まったクラスに振り分けるのが分類（教師あり）、グループの定義自体をデータから見つけるのがクラスタリング（教師なし）。強化学習は教師あり学習の一種ではない。訓練データでの精度の高さは性能の証明にならず、過学習を疑って検証データで測る。
関連用語
出た過去問
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
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。