g-kentei-kei

混同行列（コンフュージョン・マトリックス） 解説：4つの象限で理解する 混同行列（Confusion Matrix）は、AIの予測結果を「真の状態（正解）」と「検査結果（予測）」の2軸で整理した表です。分類モデルの性能を詳細に分析するために...

k-分割交差検証（k-fold Cross-Validation） 解説：データの「総当たり戦」 k-分割交差検証は、データをk個のグループ（fold）に分割し、テスト役を交代させながら「k回」学習と評価を繰り返す手法です。ホールドアウト検...

交差検証 (Cross-Validation) 解説 交差検証（クロスバリデーション）とは、手持ちのデータを何度も分割し直して、学習と評価を繰り返すことで、AIモデルの実力を正確に測る手法です。 「たまたま」を排除する データを単純に1回だ...

ホールドアウト検証（ホールドアウト法） 解説：一発勝負のテスト ホールドアウト検証は、手持ちのデータを1回だけ「学習用（訓練データ）」と「テスト用（検証データ）」に切り分けて検証する手法です。通常は「7:3」や「8:2」くらいの割合で分割し...

汎化誤差 (Generalization Error) 解説 汎化誤差（テスト誤差）とは、学習済みモデルが「まだ見たことのない未知のデータ」に対して、どれくらい正確に予測できるかを示す指標です。 「本番の試験」で点数が取れるか？ 訓練誤差と...

訓練誤差 (Training Error) 解説 訓練誤差（学習誤差）とは、モデルを学習させるために使ったデータ（訓練データ）に対して、どれくらい予測を間違えたかを示す指標です。 「過去問」で100点を取っても意味がない？ この概念は、受験...

過学習（オーバーフィッティング） 解説：勉強しすぎて応用がきかない状態 過学習（Overfitting）とは、AIモデルが手元の「訓練データ」に適応しすぎてしまい、未知のデータ（テストデータ）に対して正しく予測できなくなる状態のことです。 ...

汎化性能 解説 汎化性能（Generalization Performance）とは、学習済みモデルが「未知のデータ（学習に使っていない新しいデータ）」に対して、どれだけ正しく予測できるかを示す能力のことです。 機械学習モデルは、手元の訓練...

モンテカルロ法 解説 モンテカルロ法とは、乱数を用いた試行（シミュレーション）を何千、何万回と繰り返すことで、その結果を統計的に処理し、解の近似値を求める手法の総称です。 「数打ちゃ当たる」の統計学 解析的に（数式だけで）解くのが不可能な複...

ブルートフォース（力任せ探索） 解説 ブルートフォース（力任せ探索）とは、考えられる全ての選択肢をしらみつぶしに（総当たりで）試していく、最も単純で原始的な探索手法です。 「確実」だが「終わらない」 例えば、4桁の暗証番号を「0000」から...