教師あり学習 とは？

「正解データ」のことを教師って呼んでるんだよ。たとえばメール1000通に「スパム」「正常」ってラベルを人間が付けて、そのデータを使って学習させる。正解という「先生」に教えてもらうから「教師あり」なんだ。

分類は「どのカテゴリか」を当てるもので、回帰は「どんな数値か」を予測するものだよ。「この写真は犬か猫か」は分類、「この家の価格はいくらか」は回帰って感じだね。

そう、これが教師あり学習の最大のボトルネックなんだ。医療画像に「がんあり・なし」とラベルを付けるには専門の医師が必要で、コストがかかる。だから少ないラベル付きデータで学習する「半教師あり学習」や、そもそもラベルが不要な「教師なし学習」も研究されているよ。

これが本質的な難しさで「分布シフト」という問題があるんだ。たとえば晴れた日の車の写真で学習したモデルは、雪道の写真でうまく動かないことがある。訓練データと実際の使用時のデータの分布が違うと精度がガタ落ちする。だから「どんなデータで学習したか」は「精度が何%か」と同じくらい重要で、本番環境のデータで定期的に再学習するのが実務の鉄則なんだよ。