教師あり学習と教師なし学習の違いをわかりやすく解説

AIや機械学習の話題になると必ず出てくるのが「教師あり学習」と「教師なし学習」という言葉です。

これらは機械学習の代表的な学習方法ですが、名前だけ聞くと少し難しそうに感じるかもしれません。

この記事では、両者の違いをシンプルに整理し、具体例も交えて解説します。

教師あり学習とは？

教師あり学習（Supervised Learning）は、「正解付きのデータ」を使って学習させる方法です。
「教師あり」という名前の通り、正解を知っている先生（教師）がいて、その先生が「これは猫だよ」「これは犬だよ」とラベルを付けたデータをもとにAIを訓練します。

例

• スパムメール分類
  「これはスパム」「これは通常メール」とラベル付けされた過去のメールを使って学習。
• 価格予測
  過去の物件データ（広さ・駅からの距離・築年数など）と実際の価格を学習して、新しい物件の価格を予測。

特徴

• 正解データが必要
• 高い精度を出しやすい
• ラベル付けにコストがかかる

教師なし学習とは？

教師なし学習（Unsupervised Learning）は、「正解がないデータ」を使って学習する方法です。
AIに大量のデータを与え、「自分でパターンや特徴を見つけてもらう」イメージです。

先生はいませんが、AIがデータの構造を理解し、グループ分けや特徴抽出を行います。

例

• 顧客のクラスタリング
  購買履歴をもとに「この人たちは健康志向」「この人たちは価格重視」とグループ分け。
• 次元削減
  複雑なデータをより少ない要素にまとめて、分析や可視化をしやすくする。

特徴

• 正解データが不要
• データの隠れた構造を見つけられる
• 結果の解釈が難しい場合もある

教師あり学習と教師なし学習の違いを表で整理

まとめ

• 教師あり学習は「正解があるデータ」で学ぶ → 予測や分類に強い
• 教師なし学習は「正解がないデータ」で学ぶ → パターン発見や構造理解に強い

どちらが優れているというよりも、目的やデータの性質に応じて使い分けることが大切です。
例えば、売上予測には教師あり学習、顧客分析には教師なし学習、といった形で組み合わせて使うことも多いです。