教師あり学習は、予測を行うために既知のデータセット（学習データセットと呼ばれます）を使うタイプの機械学習におけるアルゴリズムです。学習データセットには、入力データと応答値が含まれます。このデータセットを使って、教師あり学習アルゴリズムは新しいデータセットに対する応答値の予測を行うモデルの構築を行います。テスト データセットは、モデルの検証によく使用されます。大規模な学習データセットを使用すると、多くの場合、新しいデータセット向けにすぐれた汎化を行う、予測力の高いモデルが作成されます。

教師あり学習には、次の 2 つのカテゴリのアルゴリズムが含まれます。

• 分類: カテゴリカルな応答値に対するもので、データを特定の“クラス”に振り分けます。
• 回帰: 連続型の応答値に対するものです。

一般的な分類アルゴリズムには次のようなものがあります。

• サポートベクターマシン
• ニューラルネットワーク
• 単純ベイズ分類器
• 決定木
• 判別分析
• 最近傍法 (kNN)

一般的な回帰アルゴリズムには次のようなものがあります。

• 線形回帰
• 非線形回帰
• 一般化線形モデル
• 決定木
• ニューラルネットワーク

教師あり学習アルゴリズムの詳細については、Statistics and Machine Learning Toolbox™ および Deep Learning Toolbox™ をご覧ください。

教師あり学習は、信用評価やアルゴリズム取引、債権の分類といった金融分野、腫瘍の検出や創薬といった生命科学分野、価格や需要の予測といったエネルギー分野、音声認識や画像認識といったパターン認識分野で用いられています。