基礎理論
機械学習の3つの学習パラダイム（教師あり学習・教師なし学習・強化学習）と、その典型的な応用例の組み合わせとして最も適切なものはどれか。
ア.教師あり学習=クラスタリング（顧客グループ分け）、教師なし学習=画像分類（犬か猫か判別）、強化学習=迷路のゴール発見
イ.教師あり学習=正解ラベル付きデータで学習する分類・回帰（迷惑メール判定・住宅価格予測）、教師なし学習=ラベルなしデータのパターン発見（クラスタリング・次元削減）、強化学習=試行錯誤による報酬最大化（ゲームAI・ロボット制御）正解
ウ.強化学習は正解ラベルなしで動作するため、教師なし学習の一種に分類される。教師あり学習と教師なし学習の唯一の違いはデータ量の多寡である。
エ.教師なし学習はすべての訓練データに正解ラベルが付いており、教師あり学習より高精度なモデルを作れる。強化学習はWebスクレイピングに特化した技術である。
解説
3つのパラダイムは「学び方の違い」で整理できる。教師あり学習は「答え合わせしながら勉強する」受験生。教師なし学習は「答えなしで自分でパターンを見つける」研究者。強化学習は「ゲームをプレイして試行錯誤で攻略法を覚える」ゲーマー。
なぜ イ が正解か
教師あり学習（Supervised Learning）: 入力データとそれに対応する正解ラベルのペアで学習。目的: 未知データへのラベル予測。代表手法: 線形回帰・決定木・SVM・ニューラルネット。応用: 迷惑メール判定・画像分類・株価予測。教師なし学習（Unsupervised Learning）: ラベルなしデータから隠れた構造・パターンを発見する。代表手法: k-meansクラスタリング・PCA（主成分分析）・オートエンコーダ。応用: 顧客セグメンテーション・異常検知・次元削減。強化学習（Reinforcement Learning）: エージェントが環境と試行錯誤で相互作用し、累積報酬を最大化するポリシーを学習する。代表手法: Q学習・DQN・PPO。応用: AlphaGo・自動運転・ロボット歩行。
出典: AI生成問題（学習用）