機械学習— 読み：きかいがくしゅう
機械学習（Machine Learning、ML）とは、 明示的な指示なしに、データから学習し、経験を通じて自らを改善する能力をコンピューターに与える、AIの一分野 です。本記事では、機械学習の基本的な考え方、3つの学習タイプの違い、導入時の注意点を解説します。
導入Introduction
機械学習（Machine Learning、ML）とは、 明示的な指示なしに、データから学習し、経験を通じて自らを改善する能力をコンピューターに与える、AIの一分野 です。本記事では、機械学習の基本的な考え方、3つの学習タイプの違い、導入時の注意点を解説します。
用語の定義Definition
機械学習（Machine Learning、ML）とは、 明示的な指示なしに、データから学習し、経験を通じて自らを改善する能力をコンピューターに与える、AIの一分野 です。本記事では、機械学習の基本的な考え方、3つの学習タイプの違い、導入時の注意点を解説します。
機械学習の基本的な考え方は、大量のデータからパターンやルールを自動的に発見し、その知識を使って新しいデータに対する予測や判断を行うことです。ルールを人がすべて書き下すのではなく、データから規則性を引き出す点が従来のプログラムとの大きな違いです。
たとえば、過去の顧客の購買履歴から、特定の商品を購入する可能性が高い顧客層を予測したり、大量の医療データから、特定の病気のリスクを高める要因を特定したりすることができます。この考え方はディープラーニングの基礎にもなっています。
出典：my-best.ai 用語辞典「機械学習」（https://my-best.ai/ai-dictionary/machine-learning/）
仕組み・原理How it works
機械学習の3つの種類
機械学習には、大きく分けて「教師あり学習」「教師なし学習」「強化学習」の3種類があります。それぞれの違いを次の表に整理します。
| 種類 | 与えるデータ | 目的 |
|---|---|---|
| 教師あり学習 | 正解が与えられたデータ | 新しい入力に対して正しい予測を行う |
| 教師なし学習 | 正解が与えられていないデータ | データの構造やパターンを発見する |
| 強化学習 | 報酬を通じた環境との相互作用 | 最適な行動を学習する |
教師あり学習では、正解が与えられたデータを用いてモデルを訓練します。教師なし学習では、正解が与えられていないデータを用いて、データの構造やパターンを発見します。強化学習では、エージェントが環境との相互作用を通じて、最適な行動を学習します。詳しくは教師あり学習や教師なし学習もご覧ください。
機械学習でできることの例
機械学習は、人が細かなルールを書き下すのが難しい場面で力を発揮します。たとえば、過去の顧客の購買履歴をもとに、特定の商品を購入する可能性が高い顧客層を予測できます。この予測は、販促の対象を絞り込む検討に役立ちます。
また、大量の医療データから、特定の病気のリスクを高める要因を特定することもできます。このように、数値・テキスト・画像など、種類の異なるデータをまとめて扱える点も機械学習の特徴です。
ただし、得られた予測や要因はデータの質に左右されます。結果をそのまま鵜呑みにするのではなく、目的に照らして確認し、必要に応じて改善を重ねる姿勢が大切です。
導入時の注意点
機械学習を導入する際には、いくつかの注意点があります。まず、質の高いデータを準備することが重要です。入力データの偏りや不足は、そのままモデルの精度に影響します。
また、機械学習モデルは、過学習と呼ばれる現象を起こすことがあります。過学習とは、モデルが訓練データに適合しすぎて、新しいデータに対する汎化能力が低下してしまうことです。過学習を防ぐためには、適切なモデルを選択したり、正則化などの手法を用いたりする必要があります。
データの準備段階では学習用データの考え方を押さえておくと、後の工程が進めやすくなります。
よくある誤解
誤解：機械学習を使えば何でも自動で賢くなる
実際は：学習には良質なデータが必要で、過学習などの失敗も起こります。万能ではありません。
誤解：教師あり学習と教師なし学習は同じもの
実際は：正解ラベルの有無が異なります。目的に応じて使い分けます。
誤解：訓練データに合えばよいモデルである
実際は：訓練データへの適合は、新しいデータへの強さを意味しません。むしろ過学習の恐れがあります。
FAQ（よくある質問）
Q. 機械学習と深層学習はどう違いますか？
A. 深層学習は機械学習の中でも、多層のニューラルネットワークを用いる手法を指します。深層学習は機械学習の一部です。
Q. どの学習タイプを選べばよいですか？
A. 正解ラベルがあるなら教師あり学習、無いなら教師なし学習、行動の最適化を目指すなら強化学習が候補になります。
Q. まず何を用意すべきですか？
A. 目的と、目的に合った良質なデータです。データが揃わなければ学習は成り立ちません。
原始出處Origin
本項の定義・解説は、my-best.ai 用語辞典の同項目記事（編集部執筆）を底本に再構成したものです。初出時期や命名者について確立した一次資料が本文中に明記されていない場合は、推測での記載を見送っています。
応用シーンUse cases
基礎の理解
機械学習 の定義と位置づけを押さえ、AI 関連の資料や記事を正確に読み解く土台にします。
情報の照合
ニュースや製品紹介で 機械学習 に触れたとき、本ページの定義と突き合わせて過不足なく理解できます。
導入・検討の第一歩
関連するチュートリアルで手を動かしながら、自社の業務への適用可否を検討できます。
メリット・デメリットPros & Cons
メリット
- たとえば、過去の顧客の購買履歴から、特定の商品を購入する可能性が高い顧客層を予測したり、大量の医療データから、特定の病気のリスクを高める要因を特定したりすることができます
- たとえば、過去の顧客の購買履歴をもとに、特定の商品を購入する可能性が高い顧客層を予測できます
- 結果をそのまま鵜呑みにするのではなく、目的に照らして確認し、必要に応じて改善を重ねる姿勢が大切です
デメリット・注意点
- たとえば、過去の顧客の購買履歴から、特定の商品を購入する可能性が高い顧客層を予測したり、大量の医療データから、特定の病気のリスクを高める要因を特定したりすることができます
- 機械学習は、人が細かなルールを書き下すのが難しい場面で力を発揮します
- また、大量の医療データから、特定の病気のリスクを高める要因を特定することもできます
よくある誤解Misconceptions
関連用語Related terms
用語同士は相互リンクされています。
プロンプト集Prompt collection
理解を定着させるためのプロンプト例です。コピーして〔 〕内を置き換えてご利用ください。
理解を深める質問
前提知識なしで概念を掴む
あなたは AI 教育の講師です。「機械学習」を、AI に詳しくない日本の社会人にも分かるように説明してください。専門用語を使った場合は、その直後に噛み砕いた言い換えを添えてください。最後に要点を 3 行でまとめてください。
整理・比較
関連用語との違いを表で整理する
「機械学習」について、①定義 ②仕組み ③代表的な活用例 ④よくある誤解 を見出し付きで整理してください。同じ分野の類似用語があれば、その違いを表形式で示してください。
実務への検討
自社業務への適用を検討する
「機械学習」を〔業種・業務〕で活用する場合に期待できる効果と注意点を、それぞれ 3 つずつ提案してください。判断の前提条件や、確認すべき事実があれば明示してください。
FAQ（よくある質問）FAQ
機械学習とは、一言でいうと何ですか？
機械学習のポイントはどこですか？
機械学習を扱うときの注意点は？
出典・参考文献References
定義の記述は my-best.ai 用語辞典（編集部執筆）に基づきます。リンク先の内容は公開時点のものです。
まとめSummary
機械学習（MachineLearning、ML）とは、明示的な指示なしに、データから学習し、経験を通じて自らを改善する能力をコンピューターに与える、AIの一分野です。
- まず「機械学習」の定義を自分の言葉で言い換えられるようにする
- 関連用語との違いを「関連用語」セクションから確認する
- プロンプト集の型を使って、理解した内容をアウトプットで確認する