最終更新日：2026年8月21日
fe fe-technology basic-theory ai
まず結論
機械学習の代表的な学習方法は、何を手掛かりに学ぶかで切り分けると分かりやすくなります。
正解ラベルあり
→ 教師あり学習
正解ラベルなしで構造を探す
→ 教師なし学習
行動に対する報酬を使う
→ 強化学習
基本情報技術者試験では、まず ラベル・構造・報酬 のどれが書かれているかを確認します。
ラベルあり＝教師あり、ラベルなしで構造発見＝教師なし、報酬＝強化学習。
直感的な説明
勉強にたとえると、次のように考えられます。
教師あり学習
答え付きの問題集で勉強するイメージです。
問題 + 正解
→ 正しい対応関係を学ぶ
教師なし学習
答えのないデータを見て、似たもの同士のまとまりや特徴を探すイメージです。
データだけ
→ グループや構造を見つける
強化学習
試行錯誤しながら、得点が高くなる行動を覚えるイメージです。
行動
↓
報酬・得点
↓
より良い行動を学ぶ
定義・仕組み
3つの違いを表にすると、次のようになります。
| 学習方法 | 学習時に使う手掛かり | 代表的な目的 |
|---|---|---|
| 教師あり学習 | 正解ラベル | 分類・回帰 |
| 教師なし学習 | ラベルなしデータ | クラスタリング・構造発見 |
| 強化学習 | 行動に対する報酬 | より良い行動・方策の学習 |
教師あり学習
入力データと、その入力に対応する正解ラベルを使って学習します。
例えば、メールを「迷惑メール」「通常メール」に分類したい場合、過去のメールに正解ラベルを付けて学習させます。
入力：メール本文
正解：迷惑メール / 通常メール
→ 教師あり学習
教師なし学習
正解ラベルを与えず、データの中にある似た特徴やまとまりを見つけます。
代表例はクラスタリングです。
顧客データ
↓
特徴が似た顧客をグループ分け
→ 教師なし学習
強化学習
エージェントが環境の中で行動し、その結果として得られる報酬を手掛かりに学習します。
状態
↓
行動
↓
報酬
↓
将来の報酬が大きくなる行動を学ぶ
教師あり学習の「正解ラベル」と、強化学習の「報酬」は同じではありません。
正しい答えを直接与える
→ 教師あり学習
行動の良し悪しを報酬で評価する
→ 強化学習
このテーマはFEの基礎知識として扱います。さらに詳しく学びたい場合は、G検定向けの教師あり・教師なし・強化学習の比較も参考になります。
個別に確認したい場合は、教師あり学習、教師なし学習、強化学習も参照できます。
公式の出題範囲やシラバスは、IPA：基本情報技術者試験 から確認できます。
科目Aでどう出る？
科目Aでは、説明文から学習方法を選ぶ問題として出ることがあります。
正解データを示す
正解データ
ラベル付きデータ
入力と正解の組
分類
回帰
と書かれていたら、教師あり学習を疑います。
正解を示さず、まとまりを見つける
正解ラベルなし
グループ分け
クラスタリング
データ構造を発見
と書かれていたら、教師なし学習を疑います。
得点・報酬で行動を学ぶ
行動
報酬
得点
試行錯誤
方策
と書かれていたら、強化学習を疑います。
選択肢を切る判断表
| 問題文の手掛かり | 判断 |
|---|---|
| 正解データを提示する | 教師あり学習 |
| 正解なしでクラスタリングする | 教師なし学習 |
| 行動に得点を与える | 強化学習 |
| ラベル付きデータで分類する | 教師あり学習 |
| 類似したデータをグループ化する | 教師なし学習 |
科目Bでどう使う？
科目Bでは、AIやデータサイエンスを題材にしたプログラムを読む場合があります。
そのときは、処理の詳細に入る前に、学習データに何が含まれているかを見ると理解しやすくなります。
特徴量 + 正解ラベル
→ 教師あり学習の処理
特徴量だけ
→ 教師なし学習の可能性
状態・行動・報酬
→ 強化学習の処理
例えば、配列や表に「正解クラス」が一緒に格納されていれば、教師あり学習の処理である可能性が高くなります。
プログラムを追うときは、まず次の3点を確認します。
- 入力データだけか
- 正解ラベルも与えられているか
- 行動後に報酬を受け取る処理があるか
この切り分けを先に行うと、後続の分類・クラスタリング・行動選択の処理を読みやすくなります。
よくある誤解・混同
強化学習も正解を与えるから教師あり学習
違います。
強化学習では、通常は各行動に対して「この行動が正解」と直接ラベルを与えるわけではありません。
正解を直接教える
→ 教師あり学習
報酬によって良し悪しを評価
→ 強化学習
クラスタリングは分類だから教師あり学習
違います。
FEでは、分類とクラスタリングを分けることが重要です。
あらかじめ決められたクラスへ分ける
→ 分類 → 教師あり学習
データからグループそのものを見つける
→ クラスタリング → 教師なし学習
教師なし学習は何も目的がない
違います。
正解ラベルがないだけで、データの構造やまとまり、特徴を見つけるという目的があります。
「教師」という人間が操作するかどうかで決まる
違います。
「教師あり」の教師とは、学習時に正解ラベルが与えられているという意味で考えると分かりやすいです。
まとめ（試験直前用）
- 正解ラベルあり → 教師あり学習
- 正解ラベルなしで構造を探す → 教師なし学習
- 行動と報酬で学ぶ → 強化学習
- 分類・回帰 → 教師あり、クラスタリング → 教師なし
- 強化学習の報酬と教師あり学習の正解ラベルを混同しない
ラベル → 教師あり
構造 → 教師なし
報酬 → 強化学習
FEでは「ラベル・構造・報酬」の3語でまず切り分ける。