教師あり学習

教師あり学習（Supervised Learning）とは、入力データと対応する正解ラベル（教師信号）のペアを使ってモデルを訓練する機械学習の基本手法です。モデルは予測値と正解の差（損失）を最小化するようパラメータを更新し、未知のデータにも正確な予測を行えるよう汎化を目指します。

教師あり学習が重要な理由は、実用的なAIシステムの多くがこの手法をベースに構築されているためです。画像分類（ResNet等）、音声認識、機械翻訳、医療診断支援など、現代のAI応用の大部分は教師あり学習によって実現されています。LLMのsftやfine-tuningも教師あり学習の一形態です。

代表的なタスク分類として、分類問題（Classification）と回帰問題（Regression）があります。前者は猫/犬の識別やスパム判定、後者は住宅価格予測や気温予測などが例として挙げられます。モデルの評価にはaccuracy・F1スコア・ROC-AUCなどのevaluation-metricsが使われ、過学習（Overfitting）防止のために訓練データ・検証データ・テストデータへの分割が基本とされます。