機械学習における「教師あり学習」の説明として、最も適切なものはどれか。

なぜ ア は間違いか

ラベルのないデータからパターンを発見するのは「教師なし学習（Unsupervised Learning）」の説明です。クラスタリングや次元削減が代表的なタスクです。「答え合わせなしで自分でパターンを見つける」学習です。

なぜ ウ は間違いか

報酬と罰の仕組みで最適行動を学習するのは「強化学習（Reinforcement Learning）」の説明です。ゲームAI・ロボット制御などが典型的な応用例です。教師あり学習とは全く異なるパラダイムです。

なぜ エ は間違いか

大規模ラベルなしデータで事前学習→少量ラベルデータでファインチューニングは「半教師あり学習」または「転移学習」に近い説明です。大規模言語モデル（LLM）の学習プロセスに類似しますが、これは教師あり学習の単純な定義ではありません。