教師あり学習は、機械学習の一種で、ラベル付きデータセットを使ってコンピュータが予測や決定を行うように訓練されます。教師あり学習では、データセットに入力と出力のペアが含まれており、各入力例には対応する出力または目標値があることを意味します。これらの例を分析することで、コンピュータは入力と出力の関係を学習し、新しい未知のデータに対して予測を行うことができます。
教師あり学習は、子供に形の見分け方を教えるようなものだと考えてください。例えば、「これは四角です」「これは円です」というように、さまざまな形の例を名前と一緒に子供に見せます。十分な数の例を見て、子どもは形と名前を関連付け、見たことのない新しい形を正しく識別できるようになります。
この場合、入力データは電子メールの集まりで、出力ラベルは各メールがスパムかスパムでないかを示す。これらの例から学習することで、コンピュータは新しい受信メールを正確にスパムかスパムでないかに分類するモデルを作成できます。
入力データは手書き文字の画像で、出力ラベルは対応する文字（例えば、「A」、「B」、「C」など）である。コンピュータは、ラベルの付いた例を分析することで手書き文字の認識を学習し、新しい画像の文字を正しく識別できるようになります。
入力データは、患者の症状や医療画像のセットであり、出力ラベルは診断である可能性がある。コンピュータは、症状や画像の特徴を特定の病状と関連付けることを学習し、新しい患者を診断する際に医師を支援できます。
このアプリケーションでは、入力データは、信用履歴、収入、雇用形態などの顧客情報であります。出力されるラベルは、その顧客が信用リスクが高いか低いかを示しています。コンピュータは、新規顧客の情報をもとに、その信用リスクを予測するよう学習します。
入力データは、過去の株価、財務指標、およびその他の関連情報である可能性があります。出力ラベルは、将来の株価やトレンドとなります。コンピュータは、過去のデータを分析することで株式市場の動きを予測することを学習し、将来の株価を予測できます。
つまり、教師あり学習は、機械学習の一種で、コンピュータが、入出力ペアを含むラベル付きデータセットを使って予測や決定を行うことを学習するものです。コンピュータはこれらの例を分析し、入力と出力の関係を学習することで、新しい未知のデータに対する予測を行うことができます。教師あり学習は、スパム検知、手書き文字認識、医療診断、信用リスク評価、株価予測など、さまざまな用途で広く利用されています。