Summary  
This chapter introduces machine learning as a method for designing algorithms that learn patterns from data to make predictions, and demonstrates basic data visualization to explore relationships between variables.  

General domain of usage  
Image recognition

機械学習は、**アルゴリズム**がデータから学習し、予測や判断を行うことで、明示的にすべてのタスクをプログラムしなくても時間とともに性能を向上させるコンピュータサイエンスの分野。固定された手順に従うのではなく、機械学習アルゴリズムはデータ内のパターンを特定し、経験に基づいて動作を適応させる。このアプローチにより、写真内の顔認識や顧客の好みの予測など、手動でプログラムするのが困難または非現実的な複雑な問題をコンピュータが解決できる。

**機械学習**は日常生活の多くの場面で利用されている。たとえば、ストリーミングプラットフォームの**レコメンデーションシステム**は、過去の選択や類似ユーザーの行動に基づいて映画や音楽を提案する。**画像認識**では、機械学習によってスマートフォンが写真内の物体や人物、シーンを識別し自動で分類する。他にも、メールの**スパム検出**、**言語翻訳**、さらには**医療診断**など、アルゴリズムが患者データのパターンを分析して医師を支援する場面もある。これらの例は、機械学習が膨大なデータを活用し、よりスマートでパーソナライズされた効率的なソリューションを提供していることを示している。

import matplotlib.pyplot as plt

# A simple dataset: pairs of input and output values
# Each tuple represents (hours studied, exam score)
data = [
    (2, 65),
    (4, 70),
    (6, 78),
    (8, 88),
    (10, 95)
]

# Extract hours and scores into separate lists
hours = [item[0] for item in data]
scores = [item[1] for item in data]

# Plot the data
plt.plot(hours, scores, color='blue')
plt.scatter(hours, scores, color='blue')
plt.xlabel('Hours Studied')
plt.ylabel('Exam Score')
plt.title('Relationship Between Hours Studied and Exam Score')
plt.show()

この章で説明された機械学習の概念や例について、正しく説明しているものはどれですか

Pythonを用いた教師あり機械学習の基本概念を紹介します。分類や回帰といった主要なアイデアを取り上げ、特徴量、ラベル、学習データおよびテストデータなどの重要な用語について説明します。

このセクションでは、機械学習の基礎的な概念を紹介し、教師あり学習、基本的な用語、および機械学習モデルの構築における基本的なワークフローに焦点を当てます。

機械学習とは何ですか？