1．基本を理解
読み方・用語解説- 読み方
- きょうしありがくしゅう
- 英語名
- Supervised Learning（supervised＝教師につく）
- 提唱者・年代
- 機械学習の古典的な手法（1950〜60年代から確立し、現在も実務の主力）
💡 豆知識——supervised＝「監督される・指導される」。正解ラベルが“教師（teacher）”の役割をしている。
【セットで覚えたい関連用語】
2．意味（定義）と例え話
入力データと正解ラベルのペアを用いて、入力→出力の対応関係を学ぶ学習（例：手書き数字認識）。
正解があるから学習の“進み具合”を評価できる、という利点から、実務で最もよく使われてきた学習方法。
子供がドリルを先生（教師）に見せながら問題を解くのと同じ。正解がある練習問題を山ほどやることで、「この入力ならこの出力」と対応関係を覚えるんだ。
画像認識、スパムメール検知、医療画像診断など、実務AIの主流。回帰と分類に大別されるのがポイント。
試験では「2大分類（分類＝カテゴリを当てる／回帰＝数値を当てる）と教師なしとの対比」が得点源。代表例も1つずつ押さえておこう！
3．直前に理解（Q&A）
8問Q1. 教師あり学習とは？最頻出
入力データ（特徴量）と正解ラベル（教師データ）のペアを用いて、入力→出力の対応関係を学ぶ学習手法。
Q2. 大きく分けて2つに分かれる？最頻出
はい。分類（カテゴリを当てる。例：スパム判定・手書き数字認識）と回帰（数値を予測する。例：住宅価格予測）。
Q3. 代表例は？頻出
手書き数字認識、メールのスパムフィルタ、医療診断サポートなど。
Q4. 教師なし学習との違いは？頻出
正解ラベルの有無。教師ありはラベル付き、教師なしはラベルなしでデータ自体の構造を学ぶ。
Q5. 半教師あり学習とは？頻出
ラベル付きの少量データとラベルなしの大量データを組み合わせて精度を高める手法。ラベル付けが高コストな場合に有効。
Q6. 「ラベル付け（教師データの作成）は簡単で安い」は正しい？ひっかけ
誤り。人間がラベル付けするコストと時間は大きい。これが教師あり学習の弱点で、半教師ありや教師なしが併用される理由。
Q7. 教師ありと強化学習の違いは？混同注意
教師ありは「正解ラベル」で学ぶ。強化学習は行動後の「報酬」で試行錯誤して学ぶ。フィードバックの種類が違う。
Q8. 機械学習との親子関係は？親と子
機械学習の3大分類（教師あり／教師なし／強化学習）の一つで、実務システムでは最も多い。
4. まとめ
教師あり学習は入力データと正解ラベルのペアで学ぶ手法。分類と回帰の2分類に大別される。