教師あり学習とは

教師あり学習は、問題と答えが組になった問題集で練習するような学び方です。たとえば「過去のメールの本文」と「迷惑メールかどうか」の組をたくさん与えると、モデルは新しいメールが迷惑メールかどうかを予測できるようになります。

「教師」とは何か

「教師」は、学習中にそばで指導する人ではありません。データに付いた正解（ラベル、目的変数）のことです。正解を示してくれる先生がいるかのように学ぶので、この名前があります。モデルは、自分の予測と正解のずれ（誤差）が小さくなるように、パラメータを自動で調整します。

2つの代表的な課題

• 回帰：売上金額や気温など、連続した数値を予測します。線形回帰などを使います。
• 分類：迷惑メールかどうか、写真に写っているのが犬か猫かなど、カテゴリを予測します。ロジスティック回帰やサポートベクターマシン(SVM)などを使います。

決定木やランダムフォレストのように、回帰にも分類にも使える手法もあります。

強みと課題

予測を正解と突き合わせられるので、正解率や平均二乗誤差などの指標で、性能を数字で示せます。一方で、大量のラベル付きデータが必要です。ラベルを付ける作業（アノテーション）には、専門知識や費用がかかることがあります。また、学習データにだけ合いすぎる過学習が起きていないか、学習に使っていないデータで性能を確かめます。

ラベル付けの負担を減らす方法として、少量のラベル付きデータと大量のラベルなしデータを組み合わせる半教師あり学習や、データ自体から正解を作り出す自己教師あり学習があります。正解を使わない教師なし学習や、報酬を手がかりにする強化学習とは、学習の手がかりが異なります。

覚え方

「問題と答えの組で学ぶ」のが教師あり学習です。