教師あり学習 - 正解つきデータで学ぶ

あらあら、それは違うわよ、あんずさん。
ここで言う『教師』は人間の先生ではなく、データに付いている『正解ラベル』のことなの。
ラベルが正解を教えてくれるから『教師あり』というわけ。

うまく言えたわね、ゆきさん。
たとえば犬と猫の写真1000枚に『犬』『猫』のラベルを付けて渡す。
AIは『こんな模様なら犬、こんな耳の形なら猫』と統計的に特徴を掴んでいくわ。

まさにそれ。
丸バツを見ながら少しずつ正解に寄せていく、これが教師あり学習の直感的なイメージよ。

まさにそれね、ももさん。
人間の学習と共通している部分が多いから、イメージしやすい学習方式なの。

正解。
教師あり学習の応用はとても広く、スパム判定・医療画像診断・故障予測・需要予測など、身近なAIサービスの多くはこの枠組みで動いているの。

ただし弱点もあるわ。
正解ラベルを人間が一つひとつ付けるのに、膨大な時間とコストがかかるのよ。
医療画像だと専門医が見る必要があるから、数万枚のラベル付けには何ヶ月もかかることがあるの。

試験では『教師あり学習=入力+正解ラベル』『分類と回帰が代表タスク』『ラベル作成コストが課題』の3点をセットで覚えてね。
ここは選択肢問題でよく出るわ。