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、コンピュータがデータからパターンやルールを自動的に見つけ出す技術。教師あり学習は、正解ラベル付きのデータで学習し未知データを分類・予測する方式。教師なし学習は、正解ラベルのないデータから自動的にグループ分け（クラスタリング）や構造を見つけ出す方式。
最終更新：2026-10-07
この語が出る過去問を解く →具体例
過去の合否データ（合格・不合格のラベル付き）から新しい受験者の合否を予測するのは教師あり学習。購買履歴だけから似た傾向の顧客グループを自動的に発見するのは教師なし学習（クラスタリング）の例。
試験での引っ掛け
分類（クラス分類）とクラスタリングを取り違えやすい。あらかじめ決まったクラスに振り分けるのが分類で教師あり、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で教師なし。また強化学習は正解ラベルではなく報酬を手がかりに試行錯誤で方策を学ぶ第3の枠組みで、教師あり学習の一種ではない。過学習（訓練データに合わせすぎて未知データの精度が落ちる）も定番で、訓練データでの精度が高いことは性能の証明にならない。
関連用語
出た過去問
出典：令和6年度 秋期 高度試験 午前Ⅰ 問1（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し役割を入れ替えて汎化性能を評価する
交差検証は、手元のデータを複数のグループに分け、一部を評価用に取り分けて残りで学習し、評価用のグループを順に入れ替えながら学習と評価を繰り返す方法である。データの分け方の偶然に左右されずに汎化性能を見積もれる点が利点で、k分割交差検証が代表例である。
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。