--- title: "教師あり・教師なし・強化学習の違いとは？ラベル・構造・報酬で見分ける【基本情報技術者試験】" description: "教師あり学習・教師なし学習・強化学習を「正解ラベル・データ構造・報酬」の3つで切り分け、分類・回帰・クラスタリング・行動学習をFE科目Aで迷わず判断するための基準を整理します。" last_modified_at: "2026-08-21" canonical_url: "https://stemtazoo.github.io/fe/supervised-unsupervised-reinforcement-learning/" section: "fe" --- ## 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。 ```text 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。 ```text 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。 ```text 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。 ```text 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。 ```text 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。 ```text 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。 ```text 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。 ```text 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](https://stemtazoo.github.io/gk/supervised-unsupervised-reinforcement/)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](https://stemtazoo.github.io/gk/supervised-learning/)、[教師なし学習](https://stemtazoo.github.io/gk/unsupervised-learning/)、[強化学習](https://stemtazoo.github.io/gk/reinforcement-learning/)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](https://www.ipa.go.jp/shiken/kubun/fe.html) 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 ```text 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 ```text 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 ```text 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。 ```text 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。 1. 入力データだけか 2. 正解ラベルも与えられているか 3. 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。 ```text 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。 ```text 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 ```text 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。**