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導く技術で、正解ラベル付きのデータから予測規則を学ぶのが教師あり学習、ラベルの無いデータから構造やまとまりを見つけるのが教師なし学習である。どちらを取るかは精度の見込みより、正解ラベルが業務の中で自然に貯まるかで決まる。
最終更新：2026-10-06
システムアーキテクトを最短で暗記・合格する →背景
条件の複雑な判定をルールで書くと、例外を足すたびに条件が増え、やがて誰も全体の整合を保てなくなる。データから規則側を導かせればこの膨張は避けられるが、代わりに正解データの入手と維持、結果の説明、データの傾向が変わったときの再学習という運用を新たに背負う。設計の判断は「使うか否か」ではなく、この3つを引き受けられる業務かどうかにある。
具体例
問い合わせの分類は、オペレータが日々付けている分類がそのまま教師データになるため教師ありで組める。一方、不正利用の検知はラベルが後追いでしか付かず、まず教師なしの異常検知に倒すことが多い。学習データとモデルの版はMLflowのような道具で紐づけ、構成管理の対象として扱う。
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、あらかじめ決めたクラスへ振り分けるのが分類（教師あり）、まとまり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）。強化学習は報酬を手がかりにする第3の枠組みで、教師ありの一種ではない。訓練データでの高い精度は性能の証明にならず、過学習を疑う。
関連用語
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。