機械学習（Machine Learning／ML）は、データから規則やパターンを学び、予測や判断を行うAIの代表的アプローチです。本記事は個別アルゴリズムの羅列ではなく、試験で必須の概念地図——AI・機械学習・ディープラーニングの入れ子、学習の種類——に焦点を当てます。
試験で問われる見方
○：機械学習は人工知能を実現する代表的アプローチの一つ（TF-003）。データから学習して予測・判断する。
×：ディープラーニングは機械学習と無関係な別分野（TF-004）。DLはMLの一分野。
包含関係（AI ⊃ ML ⊃ DL）と、教師あり・教師なし・強化学習の違いはセットで覚えます。
機械学習とは
従来のプログラムが「人がルールを書く」方式なのに対し、機械学習はデータと正解（または構造）からモデルがルールを獲得します。スパム判定、需要予測、画像分類、推薦など、ルールが複雑で人間が書ききれない問題に向きます。
学習後は未知の入力に対して推論（予測）を行います。モデルの中身は線形回帰から決定木、ニューラルネットまで多様です。
包含関係の地図
| 用語 | 範囲 | キーワード |
|---|---|---|
| 人工知能（AI） | 最も広い | 探索・推論・学習すべて |
| 機械学習（ML） | AIの一分野 | データから学習 |
| ディープラーニング（DL） | MLの一分野 | 多層ニューラルネット |
| 生成AI | AIの一分野（MLと交差） | 新規コンテンツ生成 |
「MLはAIの外」「DLだけがAI」は試験で×になりやすいです。人工知能記事の表とあわせて確認してください。
学習の三区分
| 区分 | データ | 目的の例 |
|---|---|---|
| 教師あり学習 | 入力＋正解ラベル | 分類・回帰 |
| 教師なし学習 | ラベルなし | クラスタリング・次元削減 |
| 強化学習 | 行動と報酬 | ゲーム・制御 |
教師なしではラベルとの誤差を直接最小化しない（TF-354）。区分を混同しないことが重要です。
典型的な流れ
よくある質問
機械学習と統計は同じ？
重なる部分は大きいですが、MLは予測性能・大規模データ・アルゴリズム実装の側面が強調されがちです。試験では「データから学習するAI手法」として覚えれば十分です。
ルールベースAIは機械学習？
一般には別です。人が明示的にルールを書く方式はAIの一形態ですが、機械学習はデータ駆動でパラメータを学びます。
LLMは機械学習？
はい。LLMは大規模なニューラルネットを学習したモデルで、機械学習（とくにディープラーニング）の成果です。