Ceeds Academy教材アプリ教材・症状語・タグで検索
索引グラフ試す
機械学習▸機械学習の基礎

機械学習: とは(データからパターン・教師あり/なし・LLMとの違い)

knowledge所要 20分最新草稿
→次: 機械学習: 教師あり学習(分類と回帰・特徴量とラベル)
意味グラフ(この教材と内容的に近い教材・1ネスト)
例え(Analogies)
機械学習=過去問から傾向を学ぶ

公式を丸暗記する代わりに、大量の過去問と答えから「こういう問題はこう」という傾向を学ぶ。新しい問題にも当てはめて答える。教師あり/なしは「答え付きで学ぶか、並べ方だけを眺めるか」の違い。

概要

📍 機械学習 ▸ 機械学習の基礎 ▸ とは | 種別: knowledge | facts_as_of 2026-06

公式ドキュメント — knowledge

🎞 スライド

機械学習=「例から学ぶ」

ルールを書く代わりに、データから規則を見つける

包含関係(テキスト図)

[ AI ⊃ 機械学習 ⊃ 深層学習 ⊃ LLM ]
広い ───────────────────▶ 狭い・特化

3種類

教師あり(正解ラベルあり)/ 教師なし(構造発見)/ 強化(報酬で学習)

—
クリックで一覧(遷移しない)
出典(sources)

ML一般 ; scikit-learn docs ; 2026-06確認

確認問題(Review-Questions)
AI・機械学習・LLMの関係は?択一
基礎公式
解答・解説▾ 開く

包含関係(AI⊃機械学習⊃深層学習⊃LLM)。

機械学習を一言で。記述
基礎公式
解答・解説▾ 開く

データからパターン(規則)を学び、未知のデータを予測する手法。

目次
例え概要公式ドキュメント出典確認問題
鮮度
最新
更新: 2026-06-15
次回棚卸し: 2028-06-15
周期: 24か月
版: 機械学習一般概念
AI⊃ML⊃DL⊃LLMの入れ子
AI⊃ML⊃DL⊃LLMの入れ子

概要

機械学習はデータから規則(パターン)を学んで予測する。ルールを明示的に書く代わりに例から学習する。教師あり(正解ラベルあり)/教師なし(構造発見)/強化(報酬で学習)。

公式ドキュメント準拠

  • 特徴量(入力)とラベル(正解)から関数を学ぶ。訓練して推論する。
  • 包含関係:AI ⊃ 機械学習 ⊃ 深層学習 ⊃ LLM。本ドメインは古典的ML(表形式データ・分類/回帰)を扱う。
  • LLM(生成)との違い:古典 ML は数値/カテゴリ予測が中心。

出典: scikit-learn / ML 一般(facts_as_of 2026-06)

🧭 誤解訂正集

よくある誤解 正しい理解
AI=機械学習=LLM 包含関係(AI⊃ML⊃深層学習⊃LLM)
データが多ければ何でも当たる 質と特徴量設計が重要
学習=プログラムを書くこと 例(データ)から規則を見つけさせること

📖 用語

  • 機械学習 … データ(例)から規則を学び、予測する手法。
  • 特徴量 … 予測に使う入力の値(モデルへの入力)。
  • ラベル … 学習に使う正解の値。
  • 教師あり / 教師なし / 強化 … 正解あり学習 / 構造発見 / 報酬で学習、の3類型。
  • 深層学習 … 多層ニューラルネットを使う機械学習の一分野。
  • 訓練 / 推論 … 学習する工程 / 学習済みモデルで予測する工程。

✅ 確認の目安(can-do)

AI⊃ML⊃深層学習⊃LLM の包含と教師あり/なし/強化を区別し、**「この課題は機械学習向きか・どの種類か」**を判断できる。