教師あり学習（Supervised Learning）は、機械学習の一種であり、データとそれに対応する正解（ラベルやターゲット）のペアを用いてモデルを訓練する手法です。教師あり学習では、モデルがデータの特徴を学習し、未知の入力データに対して正しい予測を行う能力を獲得することを目指します。

教師あり学習の基本的なフローは次のようになります：

1. データの準備: モデルの訓練に使用するデータセットを準備します。データセットは、入力データ（特徴量）と対応する正解データ（ラベルやターゲット）のペアから構成されます。

2. モデルの選択: 解決したい問題に応じて、適切なモデルを選択します。モデルは、ニューラルネットワーク、決定木、ランダムフォレストなど、さまざまなアルゴリズムやアーキテクチャから選ぶことができます。

3. モデルの訓練: データセットを使用してモデルを訓練します。モデルは、入力データと正解データのペアを与えられて、予測を行います。予測結果と正解データの差（誤差）を最小化するように、モデルのパラメータを調整していきます。

4. モデルの評価: 訓練が終了したら、モデルの性能を評価します。評価には、別のデータセット（テストセット）を使用し、モデルが未知のデータに対してどれだけ正確に予測できるかを測定します。

教師あり学習は、分類（Classification）や回帰（Regression）といった問題を解決するために広く使用されます。分類では、入力データを事前に定義されたカテゴリやクラスに分類します。回帰では、連続的な値を予測するために使用されます。例えば、教師あり学習は手書き数字の認識、スパムメールの検出、住宅価格の予測などの様々なタスクに適用されます。