30秒でわかる要点
入力データと正解ラベル（教師データ）のペアを用いてモデルを学習する手法。分類（カテゴリを予測）と回帰（数値を予測）の2種類がある。
「教師あり学習」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1セミ教師あり学習（Semi-supervised Learning）が有効なシーンとして最も適切なのはどれか。
- ラベル付きデータが少なく、ラベルなしデータが豊富にある場合、ラベルなしデータから情報を抽出し、性能を向上させるための手法である
- ラベル付きデータが十分に存在する
- ラベルなしデータは不要である
- 精度が常に教師あり学習より低い
答えと解説を見る
正解：A
セミ教師あり学習は自己訓練、共学習など。ラベルなし情報活用。ラベル数が制限的な場合効果的。
Q2自己教師あり学習（Self-supervised Learning）の目的として最も正確なのはどれか。
- ラベルなしデータから予測タスクを自動生成し、その過程で汎用的な特徴表現を学習するアプローチである
- 人間ラベラーが必須である
- 特徴抽出に限定される
- 教師あり学習より常に低精度である
答えと解説を見る
正解：A
自己教師あり学習は自動プロキシタスク（マスク予測など）で表現学習。ラベルなし大規模データで効果的。
Q3機械学習における教師あり学習に関する説明として、最も適切な選択肢を1つ選べ。
- 入力データとそれに対応する正解ラベルの組を用いてモデルを訓練し、未知のデータに対する予測を行う手法である
- 正解ラベルを必要とせず、データの構造やパターンをモデルが自律的に発見する手法である
- モデルが環境と相互作用しながら試行錯誤を繰り返し、累積報酬を最大化するように方策を学習する手法である
- 訓練データの量に関わらず、少量のデータでも常に高い汎化性能を達成できる手法である
答えと解説を見る
正解：A
教師あり学習は、入力データ（特徴量）とそれに対応する正解ラベル（目的変数）の組を訓練データとして用い、入力から出力への写像関数を学習する手法である。回帰や分類が代表的なタスク。Bは教師なし学習、Cは強化学習の説明。Dは誤りで、教師あり学習でも訓練データが少なければ汎化性能は低下する。
機械学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
機械学習の練習問題を解く