【問題】教師あり学習は、正解を付けた学習データを入力することによって、[ a ]と呼ばれる手法で未知のデータを複数のクラスに分けたり、[ b ]と呼ばれる手法でデータの関係性を見つけたりすることができるようになる学習方法である。教師なし学習は、正解を付けない学習データを入力することによって、[ c ]と呼ばれる手法などで次第にデータを正しくグループ分けできるようになる学習方法である。
こんにちは ブログを書いているハコフグです
上の問題の解答と解説を詳しくまとめています。
ITパスポート試験 令和6年（2024年）に出題されました
ちなみにこの問題をベースに、生成AIで書き出した画像がこちら↓ちょっと文字がおかしいけど、そこは愛嬌！
正解はこちら！
ウ.（a:分類、b:回帰、c:クラスタリング）
解説していきます
教師あり学習とは？
教師あり学習は、「正解データ」を先生にして学ぶAIです。例えば、「この写真はりんご」「このメールはスパム」といったように、入力データとその正解（出力）をセットでAIに与えます。AIはその大量の正解データから、入力と出力の関係性にある「ルール」を学び、まだ見ぬデータに対しても正しい予測や分類ができるように成長します。
回帰と分類：教師あり学習の主要なタスク
回帰と分類は、どちらも教師あり学習の代表的な応用タスクです。
回帰：数値を予測する教師あり学習
回帰は、連続的な数値を予測する教師あり学習のタスクです。例えば、過去のデータから「明日の株価」や「住宅の価格」などを予測する際に使われます。入力データ（過去の株価変動や住宅の広さなど）と、それに対応する数値の正解データ（実際の株価や住宅価格）を学習し、未知のデータに対して最も妥当な数値を予測します。
分類：カテゴリを判別する教師あり学習
分類は、データがどのカテゴリに属するかを判別する教師あり学習のタスクです。例えば、「この画像は犬か猫か」「この顧客は商品を購入するか否か」といった二択や多肢選択の判別を行います。入力データと、それが属するカテゴリの正解データを学習し、新しいデータが与えられた際に、最適なカテゴリに分類します。
教師なし学習とは？
教師なし学習は、正解データがない状態で、コンピューターが自らデータの構造や隠れたパターンを見つけ出す手法です。明確な目標値がないため、データの中から共通点や相違点を発見し、情報を整理・要約するのに役立ちます。
クラスタリングとは？
クラスタリングは、教師なし学習の一種で、正解データがない状態で、データの中から似たもの同士を集めてグループ（クラスター）を作る手法です。データに隠された構造やパターンを発見するのに役立ちます。顧客の購買履歴から似た嗜好を持つグループを見つけたり、遺伝子データの共通点を探したりする際に活用されます。
回帰、分類、クラスタリングなど、わたしには馴染みがない言葉なので難しく感じます。何とかならないの？
確かに馴染みがない人には、難しいかもね。図で考えると少しわかりやすいかもなので、下の図を見てね。AIの機械学習は、教師あり学習、教師なし学習、強化学習といった分野に分けることができます。教師あり学習には、回帰と分類というタスクがあり、クラスタリングは教師なし学習のタスクということを下の図は表しています。そこまでわかれば、今回の問題の解答は、アかウに絞ることができるのでまずはそこまで頑張ろう！
コメント