機械学習とは？きかいがくしゅう
機械学習とは、データから規則性を自動的に獲得する技術。正解ラベル付きデータから予測式を学ぶ「教師あり学習」、ラベルなしデータの構造を見つける「教師なし学習」、行動の結果得られる報酬を最大化する方策を学ぶ「強化学習」に大別される。学習に使わないデータで精度を測るホールドアウト検証や交差検証で汎化性能を評価する。
最終更新：2026-10-07
この語が出る過去問を解く →背景
判定の条件を人が一つずつ書き下ろす方式では、手書き文字や自然言語のように「例は挙げられるが規則は書けない」対象に手が出せなかった。規則そのものを人が書く代わりに、大量の事例から規則をデータ側に決めさせる発想に切り替えたのが機械学習である。午前I（科目A-1）では実装ではなく、三分類の切り分けと過学習の意味という判断レベルで問われる。
具体例
過去の与信データから貸倒れを予測するのは教師あり学習（分類）、顧客を購買傾向で自動的にグループ分けするクラスタリングは教師なし学習、DeepMindのAlphaGoが自己対局で強くなったのは強化学習。実装にはTensorFlowやscikit-learnといったOSSのフレームワークが使われる。
試験での引っ掛け
クラスタリングは「教師なし」、分類（クラス分類）は「教師あり」で、名前が似ているので区別する。また学習データに対する精度が高いことは良いモデルの証拠にならない——訓練データに合わせ込みすぎて未知データで外すのが過学習であり、評価は必ず学習に使っていないデータで行う。
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：平成29年度 秋期 高度試験 午前Ⅰ 問10（IPA）解説で登場
データマイニングの説明として、最も適切なものはどれか。
正解：ニューラルネットワークや統計解析などの手法を使って、大量に蓄積されているデータから、特徴あるパターンを探し出す。
要点：データマイニングは大量データから未知のパターンを掘り出す
データマイニングは、蓄積された大量のデータに統計解析や機械学習の手法を適用し、人が気付かなかった規則性や特徴的なパターンを掘り起こす技術である。仮説を人が立てて確かめるのではなく、データから知見そのものを発見する点が特徴である。他の選択肢はデータウェアハウス、データマート、OLAPの説明である。
出典：平成29年度 春期 高度試験 午前Ⅰ 問9（IPA）解説で登場
ビッグデータの利用におけるデータマイニングを説明したものはどれか。
正解：蓄積されたデータを分析し，単なる検索だけでは分からない隠れた規則や相関関係を見つけ出すこと
要点：データマイニングは大量データから隠れた規則・相関を発見する
データマイニングは、蓄積された大量のデータに統計解析や機械学習の手法を適用し、単純な検索や集計では見えない規則性や相関関係を発見する技術である。あらかじめ仮説を持たなくてもデータ側から知見を掘り起こせる点が特徴である。他の選択肢はデータマート、データモデル、レプリケーションの説明である。
出典：令和元年度 秋期 高度試験 午前Ⅰ 問3（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：教師なし学習の代表はラベル無しデータのクラスタリング
教師なし学習は、正解ラベルの付いていないデータから、データそのものがもつ構造や規則性を見つけ出す学習である。その代表がクラスタリングで、データ間の類似度（距離）を定義し、似たもの同士が同じグループになるように自動的に分類する。
出典：令和2年度 10月試験 高度試験 午前Ⅰ 問3（IPA）解説で登場
オブジェクト指向のプログラム言語であり、クラスや関数、条件文などのコードブロックの範囲はインデントの深さによって指定する仕様であるものはどれか。
正解：Python
要点：Pythonはインデントの深さでブロック範囲を表す
Pythonは、波括弧やendキーワードではなくインデントの深さでブロックの範囲を表す（オフサイドルール）ことが大きな特徴のオブジェクト指向言語である。この仕様により、書式が統一され可読性が高まる一方、インデントの誤りが構文エラーや意図しない動作に直結する。機械学習やデータ分析の分野で広く使われている。
出典：令和4年度 春期 高度試験 午前Ⅰ 問9（IPA）解説で登場
ビッグデータの利用におけるデータマイニングを説明したものはどれか。
正解：蓄積されたデータを分析し、単なる検索だけでは分からない隠れた規則や相関関係を見つけ出すこと
要点：データマイニングは大量データから未知の規則性を掘り出す
データマイニングは、大量に蓄積されたデータを統計的手法や機械学習で分析し、あらかじめ想定していなかった規則性や相関を掘り起こす技術である。条件を指定して該当データを取り出す通常の検索と違い、分析する側が知らなかった知見を見つけ出す点に特徴がある。併売されやすい商品の組合せを見つけるバスケット分析などが代表例である。
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。