教師あり学習は、入力データ（特徴量）とそれに対する出力データ（正解となるラベルや数値）のペアからなる「教師データ」をコンピュータに学習させ、新しい入力に対する出力を予測・分類するモデルを構築する手法です。このプロセスは、大きく分けて「分類（Classification）」と「回帰（Regression）」の2つに分類されます。分類は、メールがスパムかどうか、画像が猫か犬かといった「離散的なカテゴリ」を予測する問題です。一方、回帰は、過去の売上データや天候から将来の売上金額を予測したり、住宅の広さや立地から価格を推定したりといった「連続する数値」を予測する問題です。代表的なアルゴリズムには、線形回帰、ロジスティック回帰、サポートベクターマシン（SVM）、決定木、ランダムフォレストなどがあります。