機械学習とは？

詳細解説

機械学習（Machine Learning: ML）は、大量のデータからコンピュータがアルゴリズムを通じて自動的にパターン・ルール・知識を学習し、新しいデータへの予測・分類・判断を行うAI技術です。人間が明示的にルールをプログラムするのではなく、データから自動的にルールを見つけることが特徴です。機械学習の主要な学習方式は次の3つです。教師あり学習（Supervised Learning）：正解ラベル付きデータで学習（例：スパムメール分類・不動産価格予測）。教師なし学習（Unsupervised Learning）：正解なしでデータの構造・パターンを発見（例：顧客セグメンテーション・異常検知）。強化学習（Reinforcement Learning）：環境との試行錯誤で報酬最大化の行動方針を学習（例：囲碁AI AlphaGo・ゲームAI）。代表的なアルゴリズムは線形回帰・ロジスティック回帰・決定木・ランダムフォレスト・サポートベクターマシン（SVM）・k-近傍法・XGBoostなどです。過学習（Overfitting）は訓練データに特化しすぎて未知データへの精度が落ちる問題で、正則化・ドロップアウト・交差検証で対策します。機械学習の実装ライブラリはscikit-learn・TensorFlow・PyTorchが主流です。ITパスポートでは「教師あり・なし・強化学習の定義」「機械学習とAI・ディープラーニングの関係」「過学習の概念」が頻出です。

ITパスポートでの出題ポイント

• 1データからパターンを自動学習、人間がルールを書かない
• 2教師あり（正解ラベルあり）・教師なし（正解なし）・強化学習の3分類
• 3過学習：訓練データに適合しすぎて汎化性能が低下する問題
• 4scikit-learn・TensorFlow・PyTorchが主要実装ライブラリ

関連用語