教師あり学習 (Supervised Learning)
解説
教師あり学習とは、入力データ（問題）と、それに対応する正解データ（正解ラベル、教師データ）のセットをコンピュータに与え、その関係性を学習させる手法です。
「例題」と「答え」で学ぶ
人間がドリルで勉強するときに「問題」と「答え」を見ながら学習するのと同じです。
例えば、「犬の画像（入力）」に対して「これは犬です（正解ラベル）」という情報をセットで与え続けることで、AIは未知の画像を見ても「これは犬だ」と判断できるようになります。
「回帰」と「分類」の2大タスク
教師あり学習は、予測したいデータの種類によって大きく2つに分けられます。
- 回帰（Regression）：
連続する「数値」を予測します。例：明日の気温、株価の予測、家賃の査定など。
- 分類（Classification）：
不連続な「クラス（カテゴリ）」を予測します。例：画像が犬か猫か、メールがスパムか通常か、腫瘍が良性か悪性かなど。
G検定対策
出題ポイント
- 定義：「入力データ」と「正解ラベル（ターゲット）」がセットになっていること。
- タスクの区別：
- 数値を当てるなら「回帰」（線形回帰など）。
- カテゴリを当てるなら「分類」（ロジスティック回帰、SVM、決定木など）。
- 目的：未知のデータに対して正しく予測できる能力（汎化能力）を獲得すること。
