教師あり学習とは、入力データと正しい答え（ラベル）をセットで与えて、モデルがその関係を学ぶ方法です。たとえば、猫と犬の画像を分類する場合、それぞれに「猫」「犬」という正解を付けて学習させます。学習後は、未知の画像でも正しく分類できるようになります。

教師あり学習（Supervised Learning）は、最も基本的かつ広く使われている機械学習の手法の一つです。この学習では、入力データとそれに対応する正解データ（ラベル）をセットで用意し、その関係性をモデルに学ばせます。

たとえば、電子メールを「スパム」と「通常」に分類するタスクでは、過去のメールに対して「スパム」か「通常」かのラベルを付け、それを学習データとしてモデルを訓練します。学習が進むと、未知のメールでもどちらかを自動で予測できるようになります。

教師あり学習の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、ニューラルネットワークなどがあります。それぞれの手法はデータの性質や目的によって使い分けられます。

この手法の利点は、高い精度で予測ができる点です。一方で、欠点としては正確なラベル付きデータを大量に用意する必要があり、データ収集や前処理にコストがかかることが挙げられます。