教師あり学習とは、正解ラベルが付いたデータを使い、入力から正解を当てる関係を学習する機械学習の手法です。たとえば「この顧客は解約する／しない」「この画像は猫／犬」のように、学習時点で答えがわかっているデータを材料にします。学習したモデルは、未知のデータに対して分類や予測を行います。
教師あり学習が得意なのは、過去の実績があり、正解を定義できる問題です。売上や需要の予測、スパム判定、不正検知、解約予兆の推定など、業務で使える場面が多いでしょう。一方で、正解ラベルの作成や品質管理にコストがかかり、ラベルの定義がぶれるとモデルの学習結果も不安定になります。
具体例として、ECでは過去の購入履歴を正解ラベルにし「購入する可能性が高いユーザー」を予測します。SaaSでは、一定期間内に解約したかどうかをラベルにし、利用頻度や問い合わせ履歴などから解約確率の推定が可能です。運用では、学習データに未来の情報が混ざるデータ漏えい、学習と本番でデータ分布が変わるドリフトに注意し、定期的な評価と更新を行うことが重要です。
