機械学習は入力データの法則、特徴、パターンを見出す仕組みですが、
教師あり機械学習の場合、教師データはどのような意図(法則、特徴、パターン)を持って作られたものでしょうか？

例えば

1　0　0　0　0
0　1　0　0　0
0　1　0　0　0　　→　　0　1　0　0　0
0　0　1　0　0
0　0　0　0　1
　入力データ　　　　　　答えデータ

1　0　0　0　0
0　0　1　0　0
0　0　1　0　0　　→　　0　0　0　1　0
0　0　0　1　0
0　0　0　0　1
　入力データ　　　　　　答えデータ

がトレーニングのデータとしてあった場合、入力データが

1　0　0　0　0
0　1　0　0　0
0　0　1　0　0　
0　0　0　0　1
0　0　0　0　1

だった時の答えはどうである可能性が高いのかを学習して求めたいです。

麻雀で、自摸って来た時の１４枚の牌から１枚捨てるというのなので、
完璧な法則はないですが、ある程度の法則はあります。
（説明が難しくて日本語が変で申し訳ありません）

import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

import tensorflow as tf
sess = tf.InteractiveSession()

x = tf.placeholder(tf.float32, shape=[None, 25])
y_ = tf.placeholder(tf.float32, shape=[None, 5])

W = tf.Variable(tf.zeros([25,5]))
b = tf.Variable(tf.zeros([5]))

sess.run(tf.initialize_all_variables())

y = tf.nn.softmax(tf.matmul(x,W) + b)

def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                         strides=[1, 2, 2, 1], padding='SAME')

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])

x_image = tf.reshape(x, [-1,5,5,1])

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])

h_conv2 = tf.nn.relu(conv2d(h_conv1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)

W_fc1 = weight_variable([5 * 5 * 64, 512])
b_fc1 = bias_variable([512])

h_pool2_flat = tf.reshape(h_conv2, [-1, 5*5*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

W_fc2 = weight_variable([512, 5])
b_fc2 = bias_variable([5])

y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess.run(tf.initialize_all_variables())

for i in range(10000):
  batch = mnist.train.next_batch(500)
  if i%100 == 0:
    train_accuracy = accuracy.eval(feed_dict={
        x:batch[0], y_: batch[1], keep_prob: 1.0})
    print("step %d, training accuracy %g"%(i, train_accuracy))
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

print("test accuracy %g"%accuracy.eval(feed_dict={
    x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))