教師あり学習

機械学習は学習の方法から、「教師あり学習」「教師なし学習」「強化学習」の3つの枠組みに分けることができます。

中略

学習データに正解を与えた状態で学習させる手法です。教師あり学習で解く問題で代表的なのが、「回帰」と「分類」です。

回帰とは、連続する数値を予測するものです。平均気温や天候といったデータとお弁当の販売個数の関係を学習し、将来のお弁当の販売個数を予測する、といったものが回帰にあたります。

分類とは、あるデータがどのクラスに属するかを予測するものです。迷惑メールか否かが分かっているクラス分けがされたデータから文章の特徴とクラスの関係を学習し、新着メールが迷惑メールか否かを予測する、といったものが分類にあたります。

→教師あり学習と教師なし学習というふたつがある。そのふたつの違いは正解を機械に教えるか否かである。

また、強化学習もある。

強化学習とは、学習データに正解はないが、目的として設定された「報酬（スコア）」を最大化するための行動を学習する手法です。将棋AI・囲碁AIといったゲームAIが打ち手を学習する際や、自動運転における状況判断の学習に活用されています。

→この三つはそれぞれ別の分野で活用されている。

引用・参考

教師なし学習とは | 教師あり学習や強化学習との違い・活用事例・代表的なアルゴリズムを紹介　LEDGE.AI