分野 T｜テクノロジ
機械学習（教師あり学習・教師なし学習・強化学習・過学習）
今の制度の過去問（3回分）では、教師あり学習・教師なし学習の手法を選ぶ a〜c の組合せが、1問出ています。
シラバス案 Ver.0.1（2026年8月31日公表）の『4-18-1 機械学習の種類・特徴』
最終更新
よく出る形
- 分類（振り分け）・回帰（数値の予測）と、教師なし学習（正解なし）の手法を選ぶ（3回分で1問）
- 問われるとしたら：事例で、強化学習（報酬を手がかりに学ぶ方法）の説明を選ぶ形
- 問われるとしたら：過学習（学習データに合わせすぎ）の状態を選ぶ形
- 問われるとしたら：精度を確かめるデータの扱い（評価用データ）を選ぶ形
覚えること
- 機械学習：データからパターンやルールを見つけ、新しいデータの識別や予測に使う仕組み
- 教師あり学習：正解（ラベル）を付けたデータで学習する方法
- 分類：教師あり学習で、データをあらかじめ決まったグループに分ける手法
- 回帰：教師あり学習で、データの関係性から数値を予測する手法
- 教師なし学習：正解を付けないデータで学習する方法
- クラスタリング：教師なし学習で、似たデータどうしをグループに分ける手法
- 強化学習：行動に報酬を与え、試行を重ねて、報酬が増える行動を学ぶ方法
- 過学習：学習用データに合わせすぎて、未知のデータでは精度が下がる状態
- 過学習の見分け方：学習用データでは精度が高く、学習に使っていないデータでは低い
- 評価用データ：学習に使わずに取り分け、未知のデータへの精度を確かめるデータ
ひっかけ
- 分類は決まったグループへの振り分け、クラスタリングは正解なしの分け方
- 正解の行動を付けて覚えさせるのではなく、報酬で学ぶのが強化学習
- 過学習は学習用データでの精度が高いのに、新しいデータで下がる
想定問題
4問（四肢択一）。選ぶと、その場で正解と解説が開きます。
この学習方法の説明として、最も適切なものはどれか。
A 社は、倉庫で荷物を運ぶロボットに、衝突せずに短い時間で運ぶ動き方を学習させたい。ロボットが動くたびに、運べた量や衝突の有無に応じた評価を与える。
正解：ウ 動かすたびに得られる報酬を手がかりに、試行を重ねて、報酬が多くなる動きを学ぶ。
ポイント
評価を与えながら動き方を学ばせる方法が、強化学習であることを問う問題です。
考え方と解き方
学習に使うデータに正解が付いているか、行動への評価で学ぶかが分かれ目です。評価を与える点を見落とすと、正解付きのデータで学ぶ方法を選びます。
- 事例では、正解の動きを教えるのではなく、動くたびに評価（報酬）を与えています。評価と報酬は同じ物を指します。
- 行動に報酬を与え、試行を重ねて、報酬が増える行動を学ぶ方法は、強化学習です。
- したがって、最も適切なのは ウ です。
ほかの選択肢
- ア 正解のラベルを付けたデータで学ぶ、教師あり学習の説明です。事例には正解の動きのデータがありません。
- イ ラベルのないデータを分ける、教師なし学習（クラスタリング）の説明です。評価を手がかりにする学習ではありません。
- エ 正解付きのデータから数値を予測する、教師あり学習（回帰）の説明です。ロボットの動き方を試行で改善する学習とは合いません。
覚えておくこと
- 強化学習：行動に報酬を与え、試行を重ねて、報酬が増える行動を学ぶ方法
- 教師あり学習：正解（ラベル）を付けたデータで学習する方法
（テーマ・覚えること）
このモデルの状態の説明として、最も適切なものはどれか。
A 社は、来月の来客数を予測するモデルを作った。学習に使ったデータでは高い精度が出たが、学習に使っていない新しいデータで確かめると、精度が大きく下がった。
正解：イ 学習用データの特徴に合わせすぎて、未知のデータには当てはまりにくい状態
ポイント
学習用データでは精度が高く、新しいデータで下がるモデルの状態を問う問題です。
考え方と解き方
学習が足りないと考えると、学習用データの精度も低いはずで、事例と合いません。
- 事例のモデルは、学習用データでは高い精度で、学習に使っていないデータでは低い精度です。
- 学習用データに合わせすぎて、未知のデータでは精度が下がる状態を、過学習といいます。
- したがって、最も適切なのは イ です。
ほかの選択肢
- ア 学習が足りない状態なら、学習用データでも精度が低くなります。事例は、学習用データでは高い精度が出ています。
- ウ 正解を付けないデータでの学習は教師なし学習で、グループ分けの話です。事例の原因の説明にはなりません。
- エ 報酬の設定は強化学習の話です。来客数を予測する事例では、報酬を使っていません。
覚えておくこと
- 過学習：学習用データに合わせすぎて、未知のデータでは精度が下がる状態
（テーマ・覚えること）
適切なものだけを全て挙げたものはどれか。
A 社の担当者が、機械学習の学習方法と手法について説明を受けた。説明の内容は、a〜c のとおりである。
- a 教師あり学習では、学習用データに正解（ラベル）を付ける作業が必要になる。
- b 教師なし学習では、正解を付けないデータから、似た特徴を持つデータのまとまりを見つけられる。
- c 強化学習では、行動を試すことはせず、集めたデータを一度にまとめて与えて学習させる。
正解：ア a、b
ポイント
教師あり学習、教師なし学習、強化学習の説明を、a〜c で判定する問題です。
考え方と解き方
「学習」とあるので、データをまとめて与える学習と混ぜがちです。強化学習では、行動を試して結果を受け取る流れが続きます。
- a は適切です。教師あり学習は、正解（ラベル）を付けたデータで学習します。
- b は適切です。教師なし学習は、正解を付けないデータから、似たデータをまとめるなどを行います。
- c は不適切です。強化学習は、行動に報酬を与え、試行を重ねて学ぶ方法で、データを一度にまとめて与えるものではありません。
- したがって、適切なのは a、b で、ア です。
ほかの選択肢
- イ c も適切としていますが、強化学習は試行を重ねて学ぶので、c は不適切です。
- ウ a が適切なのに入っておらず、不適切な c が入っています。
- エ a、b が適切なのに入っておらず、不適切な c だけになっています。
覚えておくこと
- 教師あり学習：正解（ラベル）を付けたデータで学習する方法
- 教師なし学習：正解を付けないデータで学習する方法
- 強化学習：行動に報酬を与え、試行を重ねて、報酬が増える行動を学ぶ方法
（テーマ・覚えること）
機械学習のモデルの精度を正しく確かめるためのデータの扱いとして、最も適切なものはどれか。
正解：エ 学習に使わないデータを取り分けておき、そのデータでの精度を見る。
ポイント
モデルの精度を確かめるときに、どのデータを使うかを問う問題です。
考え方と解き方
学習に使ったデータは、モデルがすでに合わせ込んだデータなので、高い精度が出ます。そこで測っても、未知のデータへの強さは分かりません。
- 精度を確かめる目的は、未知のデータに対しても精度が出るかを知ることです。
- そのため、学習に使うデータとは別に、評価用のデータを取り分けておき、そのデータでの精度を見ます。
- したがって、最も適切なのは エ です。
ほかの選択肢
- ア 学習に使ったデータでは、精度が高く出ます。未知のデータへの精度は分かりません。
- イ 学習用データの量を増やしても、確かめているのは学習用データでの精度で、未知のデータへの精度は分かりません。
- ウ 精度が低いデータを取り除くと、結果が実際より良く見えます。確かめに使うのは、学習に使っていないデータです。
覚えておくこと
- 評価用データ：学習に使わずに取り分け、未知のデータへの精度を確かめるデータ
- 過学習の見分け方：学習用データでは精度が高く、学習に使っていないデータでは低い
（テーマ・覚えること）
このテーマの過去問
過去問を解く（1問）同じ分野のテーマ（テクノロジ）
- グループウェアとコミュニケーションツール（チャット・オンライン会議・CMS）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- オフィスソフトの使い方（表計算の絶対参照・ピボットテーブル・差込み印刷）今の制度の過去問（3回分）では、表計算ソフトの式の問題が2問、オフィスツールの選択が1問、合わせて3問出ています。
- IoT・CPS・デジタルツイン・センサー今の制度の過去問（3回分）では、IoT の事例、自動運転のレベル、センサーの役割が、合わせて3問出ています。
- 身の回りのデジタル機器（ウェアラブル・スマートスピーカー・タブレット）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- OSの役割とファイルの場所（ディレクトリパス・ショートカット）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- CPU・メモリ・USB（コンピュータの中身とつなぎ方）今の制度の過去問（3回分）では、電源を切ると消えるメモリと GPU が、合わせて2問出ています。
- 入出力装置と記録媒体（プリンター・SSD・フラッシュメモリ）今の制度の過去問（3回分）では、OCR が2問、タッチパネルの方式、半導体メモリの記憶媒体、スキャナーの解像度が各1問で、合わせて5問出ています。
- RAIDと稼働率（信頼性・スケールアウト・RASIS）今の制度の過去問（3回分）では、稼働率の計算が2問、RAID の実効容量が1問、合わせて3問出ています。
- 通信プロトコル（TCP・HTTP・SMTP・POP3・DHCP）今の制度の過去問（3回分）では、ポート番号、FTP の役割、メールの送受信に使うプロトコルの組合せが、合わせて3問出ています。
- 電子メール・cookie・モバイル通信（5G・SIM・テザリング）今の制度の過去問（3回分）では、cookie、プラチナバンド、LPWA が、合わせて3問出ています。
- データベースの基本と設計（RDBMS・主キー・正規化）今の制度の過去問（3回分）では、表の用語、正規化、主キー・外部キー、データベース設計の分析が、合わせて6問出ています。
- 関係演算（選択・射影・結合）今の制度の過去問（3回分）では、2つの表を使って条件に合う行を読み取る問題が、1問出ています。
- トランザクション処理（排他制御・コミット・ロールバック・デッドロック）今の制度の過去問（3回分）では、トランザクション処理の適切な記述を選ぶ形が、合わせて2問出ています。
- ディープラーニング（ニューラルネットワーク・画像認識）今の制度の過去問（3回分）では、ディープラーニングに用いる技術、バックプロパゲーション、音声認識が、合わせて4問出ています。
- 生成AIの仕組み（LLM・トークン・RAG）今の制度の過去問（3回分）では、生成AIの説明を選ぶ形が1問出ています。
- 情報デザインとUI（ユーザビリティ・アクセシビリティ）今の制度の過去問（3回分）では、デザインの原則、アクセシビリティ、シグニファイアが、合わせて3問出ています。
- ユニバーサルデザインとピクトグラム今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- 画像・音声・動画のファイル形式と圧縮（JPEG・MP3・可逆圧縮）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- 色の表し方と解像度（RGB・CMYK・dpi）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- 画像処理ソフトとXR（AR・VR・メタバース）今の制度の過去問（3回分）では、AR と VR の活用事例が、合わせて2問出ています。