教師あり学習とは？正解データからAIが予測する仕組み

2026年10月14日

教師あり学習で正解データから関係を学び、分類・予測に使う仕組みを示すITパスポート学習用アイキャッチ

結論：教師あり学習は、入力データと正解を組にしてAIへ与え、未知のデータに対する分類や予測に使う学習方法です。何を正解とするかを人が用意するため、学習用データの質が結果に直結します。ITパスポートでは、教師なし学習・強化学習と、手掛かりが何かで区別しましょう。

教師あり学習とは

教師あり学習は、正解ラベルが付いたデータから、入力と正解の関係を学ぶ機械学習の方法です。たとえば過去の売上と、そのときの時期・商品・価格などを対応付けて学習し、次の売上を予測する使い方があります。

ここでいう教師は人そのものではなく、学習データに含まれる正解です。画像に「犬」「猫」というラベルを付ける、メールに「迷惑メール」「通常メール」という分類結果を付ける、といった形で正解を用意します。AIは多くの組から規則性を学び、新しい入力に対してもっとも近い答えを出します。

IPAのITパスポート試験シラバスVer.6.5では、教師あり学習はAI技術の用語例に含まれ、売上予測などが活用例として挙げられています。

仕組み：入力と正解のずれを小さくする

教師あり学習の流れは、学習用データを準備し、AIの出力と正解を比べ、ずれが小さくなるよう調整することです。学習後は、正解を付けていない新しいデータを入力し、予測や分類に使います。

学習データを用意する：入力と正解を対応付けます。売上予測なら過去の条件と実際の売上、画像分類なら画像と分類名が組になります。
関係を学習する：AIは入力から答えを出し、正解との差を基に内部の設定を調整します。
新しいデータを判定する：学習に使っていない入力に対し、分類結果や予測値を出します。
結果を確認する：実際の結果と比べ、偏りや誤りが大きい場合はデータや目的を見直します。

学習用データに誤ったラベルや偏りが多ければ、AIの出力にも影響します。教師あり学習では、量だけでなく、目的に合う正確な正解データを用意することが重要です。

分類と予測の使い分け

目的	出力の例	利用場面
分類	複数の区分から一つを選ぶ	メールを迷惑メールか通常メールかに分ける
予測	数値や起こりやすさを出す	過去の条件から売上や需要を見積もる

分類は、あらかじめ決めた選択肢のどれに当てはまるかを判断する目的に向きます。予測は、過去の傾向を基に数値や可能性を見積もる目的に向きます。どちらも正解付きデータを用いる点は共通ですが、出したい答えの形が異なります。

教師なし学習・強化学習との違い

学習方法	手掛かり	主な目的
教師あり学習	正解付きのデータ	分類や予測を行う
教師なし学習	正解のないデータ	似た特徴の集まりや傾向を見つける
強化学習	行動後の報酬	より良い行動の選び方を学ぶ

教師あり学習は、過去の正解を基に将来の答えを出したいときに使います。教師なし学習は、正解を決めずにデータをグループ分けしたいときに使います。強化学習は、連続する行動の結果から方針を改善したいときに使います。まず強化学習とは？報酬を手掛かりにAIが行動を学ぶ仕組みを読むと、正解データではなく報酬を手掛かりにする違いを比べられます。

仕事と日常生活での見方

仕事では、過去の取引データに実績を対応付けて、需要や売上を予測する考え方につながります。ただし、予測値をそのまま決定に使うのではなく、使ったデータの範囲、季節要因、入力漏れなどを確認する必要があります。AIの位置付けから学び直すなら、ITパスポート試験のAI対策で機械学習全体との関係を確認してください。

日常生活では、スマートフォンの写真整理で人物や物を分類する機能を考えると理解しやすくなります。分類結果は便利ですが、誤って判定することもあります。画像の特徴を扱う仕組みは、ニューラルネットワークとは？を読むと、AIがデータの特徴を学ぶ考え方と結び付けて整理できます。