教師あり学習は機械学習の一分野であり、正解が与えられたデータ（「教師信号」と呼ばれる）を使ってモデルを訓練する手法です。 

この学習の目的は、入力データとそれに対応する正解との関係性をモデルに学習させ、新しい未知のデータが入力された際に、正確な予測や分類ができるようにすることです。

具体的には、まず「特徴量」と呼ばれる入力データと、それに対応する「ラベル」と呼ばれる正解のペアからなる訓練データセットを準備します。

例えば、手書き文字認識のタスクであれば、画像データが特徴量、その画像がどの文字であるかという情報がラベルとなります。モデルは、この訓練データを使って、入力された画像がどの文字であるかを予測するように調整されます。

学習プロセスでは、モデルはまず訓練データの一つの特徴量を入力として受け取り、予測を出力します。次に、その予測と正解ラベルとを比較し、その誤差を計算します。そして、この誤差が最小になるように、モデル内部のパラメータ（例えば、ニューラルネットワークの重みなど）を更新します。

この一連のプロセスを訓練データ全体に対して何度も繰り返すことで、モデルは徐々に高い精度で予測や分類ができるようになります。

教師あり学習は、分類（例えば、迷惑メールの判別）や回帰（例えば、株価の予測）といった多くの実用的な問題に応用されています。しかし、この手法の性能は、高品質なラベル付き訓練データの量と質に大きく依存するため、データの収集とラベル付けが重要な課題となります。