機械学習の3タイプとは【図解でわかりやすく】

最終更新日：2026年7月15日

30秒でわかる結論

機械学習は「正解の与え方」で3タイプに分類されます。①教師あり学習：正解ラベル付きデータで学習し、分類・回帰を行う。②教師なし学習：正解なしでデータの構造から特徴を発見する（クラスタリング等）。③強化学習：試行錯誤と報酬でエージェントが最適行動を学習する（ゲームAI・自動運転）。G検定で最頻出の分類軸であり、代表アルゴリズムとの対応も必須です。

正解あり＝教師あり学習。機械学習は「正解の与え方」で3タイプに分かれる。

機械学習の3タイプはG検定で最も頻出の概念です。「どんな先生（正解）が存在するか」という軸で理解しましょう。

図解

解説

教師あり学習は「問題と正解（ラベル）がセットになったデータ」で学習させる方法です。正解＝先生（教師）が教えてくれるイメージからこの名前がついています。教師あり学習はさらに、カテゴリを当てる「分類」と数値を当てる「回帰」に分かれます。一方、正解を与えずデータの構造そのものから特徴を見つけるのが教師なし学習（クラスタリングなど）、試行錯誤とごほうび（報酬）で学ぶのが強化学習です。

具体例

教師あり学習：①メールをスパム/通常に分類（メールと正解ラベルがセット）、②中古車の価格予測（走行距離・年式と売値のデータセット）。教師なし学習：③購買履歴から似た顧客グループを自動発見（正解ラベルなし）。強化学習：④AlphaGoが自己対戦を繰り返し最強の手を習得、⑤自動運転AIが道路環境でブレーキ・アクセルを試行錯誤して最適操作を学習。

間違えやすい類似用語

教師あり学習 vs 教師なし学習：正解ラベルの有無が最大の違い。教師ありは「犬/猫」とラベル付きで学習、教師なしは「何かグループが存在する」ことを自力で発見する。試験では「k-meansは教師あり/なし？→なし（正解を与えない）」という確認問題に注意。
強化学習 vs 教師あり学習：強化学習に「正解」は存在しない。代わりに「良い行動＝報酬」「悪い行動＝ペナルティ」という仕組みで学習する。ゲームAI・ロボット制御で威力を発揮。教師あり学習は大量のラベル付きデータが必要だが、強化学習は環境との相互作用から自動的に学習できる。