ITパスポート 試験情報＆徹底解説

機械学習は、訓練データの性質によって「教師あり学習」「教師なし学習」「強化学習」の3つに大別できます（※強化学習を教師なし学習に含めることもあります）。

教師あり学習

訓練データとして、ラベル(正解)付きデータを使用する学習方法。入力に対する正しい出力の例を与えることで、入力と出力の関係を学習させる

教師なし学習

訓練データとして、ラベルなしデータを使用する学習方法。クラスタリングなどのためにデータ構造を学習させる

強化学習

正解データの代わりに、与えられた環境における個々の行動に対して得点や報酬を与える学習方法。一連の行動に対して評価値を与えることで、高い得点を取る、すなわち最良の行動を自律的に学習させる

〔abについて〕
教師あり学習では、正解付きの教師データを学習させる方法です。分類や回帰分析を目的とする機械学習に向いています。

分類は、分析したいデータが所属するクラス分けを予測することなので空欄aに当てはまります。回帰は、複数の変数間の傾向をもとに予測を行うなので空欄bに当てはまります。

〔cについて〕
教師なし学習は、正解なしの教師データを学習させる方法です。似ているデータ同士に分類するクラスタリングや、データ集団の中から一定の規則性を導く主成分分析を目的とする機械学習に向いています。

aは分類、bは回帰、cはクラスタリングとなるので、適切な組合せは「ウ」です。