教師あり学習は、ラベル付きデータを使用してモデルを訓練し、新しいデータに対する予測や分類を行う機械学習手法です。「正解」が分かっているデータを使って学習するため、このように呼ばれます。

教師あり学習は主に分類問題（カテゴリーの予測）と回帰問題（数値の予測）の2つに分けられます。どちらを選ぶかは、予測したい結果の種類によって決まります。

分類問題は、データを決められたカテゴリーに分ける問題です。例えば、メールが「スパム」か「正常」か、顧客が商品を「購入する」か「しない」かを予測します。答えは決められた選択肢の中から選ばれます。

回帰問題は、具体的な数値を予測する問題です。例えば、住宅の価格や売上金額、気温などを予測します。答えは連続的な数値になります。

ここまで学んだ教師あり学習の基本概念を、実践的な問題で確認しましょう。ラベル付きデータの理解、分類と回帰の違い、適切な手法選択について問題を解いて理解を深めます。

教師あり学習は、正解が分かっているデータを使って学習する機械学習手法です。分類（カテゴリー予測）と回帰（数値予測）の2つの主要な種類があり、予測したい結果の種類によって選択します。

ラベル付きデータと非ラベルデータの違いを理解し、実際のビジネス問題に対して適切な手法を選択できることが重要です。基本概念をしっかり理解することで、より高度な機械学習手法への理解も深まります。