ITパスポート過去問 令和4年度（2022年）問24
教師あり学習の事例に関する記述として，最も適切なものはどれか。
選択肢
- ア：衣料品を販売するサイトで，利用者が気に入った服の画像を送信すると，画像の特徴から利用者の好みを自動的に把握し，好みに合った商品を提案する。
- イ：気温，天候，積雪，風などの条件を与えて，あらかじめ準備しておいたルールベースのプログラムによって，ゲレンデの状態がスキーに適しているか判断する。
- ウ：麺類の山からアームを使って一人分を取り，容器に盛り付ける動作の訓練を繰り返したロボットが，弁当の盛り付けを上手に行う。
- エ：録音された乳児の泣き声と，泣いている原因から成るデータを収集して入力することによって，乳児が泣いている原因を泣き声から推測する。
- ア
- イ
- ウ
- エ
正解と解き方・学習ポイント（AI解説）
教師あり学習は、入力データと正解ラベル（教師データ）を組にして与え、入力から正解を予測できるように学習させる手法です。「エ」は、泣き声（入力）と泣いている原因（正解ラベル）のデータを収集して学習に使っているため、教師あり学習の事例として最も適切です。
Point
この問題は、教師あり学習が「入力」と「正解ラベル」の組で学習する手法であることと、具体例から教師あり学習に該当する事例を判別できるかを確認することをねらいとしています。
解くために必要な知識
の問題を解くには、教師あり学習、教師なし学習、強化学習、およびルールベースの違いを理解している必要があります。
用語の整理
| 用語 | 意味 |
|---|---|
| 教師あり学習 | 入力データと正解ラベル（教師データ）の組を与えて学習し、入力から正解を予測するモデルを作る方法です。分類（例：泣き声から原因を当てる）や回帰（例：売上を数値で予測する）で使われます。 |
| 教師なし学習 | 正解ラベルを与えず、データの特徴だけから構造を見つける方法です。代表例はクラスタリング（似たもの同士のグループ分け）です。 |
| 強化学習 | 行動した結果として得られる報酬（評価）を使い、試行錯誤で良い行動を学習する方法です。 |
他の選択肢に出てくる用語
| 用語 | 意味 |
|---|---|
| ルールベース | 人が作った条件分岐などのルールに従って処理します。データから規則を学習する方式ではありません。 |
問題の解法手順
各選択肢の整理
教師あり学習の判定基準
入力データと正解（ラベル）がセットになった学習データを使い、入力からラベルを予測する形になっているかがポイントです。
| 選択肢 | 何をしているか | 該当しやすい分類 |
|---|---|---|
| ア | 画像の特徴から好みを把握して提案する | 教師なし学習（クラスタリングなど）として扱われやすいです |
| イ | 事前に用意したルールで判断する | ルールベース（機械学習ではありません） |
| ウ | 動作訓練を繰り返して上達する | 強化学習として説明されることがあります |
| エ | 泣き声（入力）と原因（正解ラベル）で学習し、原因を推測する | 教師あり学習 |
結論
正解ラベル（原因）付きのデータで学習しているのは「エ」なので、教師あり学習の事例として最も適切です。
選択肢ごとの解説
- ア：不正解
画像の特徴から好みを把握して商品提案を行う内容で、正解ラベル（例えば「この画像の服が好きである」という正解データ）を与えて学習しているとは読み取りにくいです。そのため、教師あり学習の事例としては適切ではありません。
- イ：不正解
条件を与えてルールベースのプログラムで判断するとあり、人が作った規則で判定しています。入力と正解ラベルのデータからモデルを学習する教師あり学習ではありません。
- ウ：不正解
動作の訓練を繰り返して上手になるという内容は、正解ラベルを与えて学習するというより、試行錯誤で行動を改善する学習（強化学習）として説明されることが多いです。したがって教師あり学習ではありません。
- エ：正解
泣き声（入力）と泣いている原因（正解ラベル）から成るデータを収集して入力し、泣き声から原因を推測します。入力と正解ラベルの組で学習するため、教師あり学習の事例として適切です。
まとめ
教師あり学習は、入力データと正解ラベル（教師データ）を組にして与え、入力から正解を予測できるように学習させる手法です。「エ」は、泣き声（入力）と泣いている原因（正解ラベル）のデータを収集して学習に使っているため、教師あり学習の事例として最も適切です。
ストラテジ系 > 経営戦略 > ビジネスインダストリ
画像の特徴から好みを把握して商品提案を行う内容で、正解ラベル（例えば「この画像の服が好きである」という正解データ）を与えて学習しているとは読み取りにくいです。そのため、教師あり学習の事例としては適切ではありません。
条件を与えてルールベースのプログラムで判断するとあり、人が作った規則で判定しています。入力と正解ラベルのデータからモデルを学習する教師あり学習ではありません。
動作の訓練を繰り返して上手になるという内容は、正解ラベルを与えて学習するというより、試行錯誤で行動を改善する学習（強化学習）として説明されることが多いです。したがって教師あり学習ではありません。
泣き声（入力）と泣いている原因（正解ラベル）から成るデータを収集して入力し、泣き声から原因を推測します。入力と正解ラベルの組で学習するため、教師あり学習の事例として適切です。