用語ページ索引（全62ページ）

📖 各用語の解説と学習の進め方は 用語解説②（全62語）にまとまっています。 まずはそちらからご覧ください。

7. 教師あり学習20語

• アンサンブル学習性能の低いモデルをたくさん組み合わせて、1つの強いモデルを作る考え方…
• カーネル高次元に移したときの内積を、元の低次元のまま計算できる便利な関数です…
• カーネルトリック高次元に変換したフリをして計算を済ませ、非線形なデータを分離する技術…
• 回帰問題気温や売上のような、連続した数値を予測する教師あり学習のタスクです。
• 決定木「〜以上か？」という質問を繰り返して答えにたどり着く、木の形をしたモ…
• 勾配ブースティング前のモデルの「誤差」を次のモデルが学習して、少しずつ精度を上げていく…
• サポートベクターマシン (SVM)境界とデータの余白（マージン）が最大になる線を引いて分類する手法です…
• 線形回帰入力と出力の関係を直線（一次関数）で表して数値を予測する、最も基本的…
• 自己回帰モデル (ARモデル)過去の自分の値から未来の自分を予測する、時系列データ用のモデルです。
• 単回帰分析説明変数を1つだけ使って数値を予測する、いちばん単純な回帰分析です。
• 重回帰分析複数の要因（説明変数）を組み合わせて1つの数値を予測する回帰分析です…
• 多クラス分類3つ以上の選択肢の中から、どれに当てはまるかを当てるタスクです。
• バギングデータを少しずつ変えて複数のモデルを並列に学習させ、多数決や平均でま…
• ブースティング前のモデルが間違えたところを次のモデルが重点的に学ぶ、順番に積み上げ…
• ブートストラップサンプリング同じデータを何度選んでもよいルールでランダムに取り出す抽出方法です。
• 分類問題入力がどのグループに属するかを当てる、教師あり学習のタスクです。
• ベクトル自己回帰モデル (VARモデル)複数の時系列が互いに影響し合う関係を、まとめて表現するモデルです。
• マージン最大化境界とデータの間の余白をできるだけ広く取る、という考え方です。
• ランダムフォレスト少しずつ違う決定木をたくさん作り、多数決で予測する手法です。
• ロジスティック回帰「起こる確率」を計算して分類する手法です。名前は回帰ですが、使うのは…

8. 教師なし学習14語

• k-means 法k個のグループに分け、重心の計算と割り当てを繰り返して収束させる手法…
• t-SNE高次元データの「近いもの同士の近さ」を保ったまま、2次元などに描き出…
• ウォード法まとめたときに「ばらつきの増え方」が最も小さい組み合わせから順に結合…
• 協調フィルタリング「似た好みの人が買ったもの」を勧める、行動履歴ベースの推薦手法です。
• クラスタリング正解を与えずに、似たもの同士をグループにまとめる手法の総称です。
• コールドスタート問題履歴がまだ無い新規ユーザーや新商品には、うまく推薦できないという問題…
• コンテンツベースフィルタリング「その人が好きだったものと似た特徴を持つもの」を勧める推薦手法です。
• 次元削減大事な情報を保ちながら、特徴量の数を減らす処理です。
• 主成分分析 (PCA)データが最も散らばっている方向を探し、その方向にまとめ直して次元を減…
• 潜在的ディリクレ配分法 (LDA)「1つの文書は複数の話題が混ざってできている」と考えて、話題の構造を…
• 多次元尺度構成法 (MDS)「どれとどれが近いか」という距離の情報だけから、2次元の配置図を作る…
• デンドログラム (樹形図)階層的クラスタリングで「どの順に何がくっついたか」を表す樹形の図です…
• 特異値分解 (SVD)行列を分解して、情報として重要な成分だけを取り出す数学的な手法です。
• トピックモデル文書の集まりから「どんな話題が含まれているか」を、正解なしで推定する…

9. 強化学習12語

• Actor-Critic行動を決める役（Actor）と、それを採点する役（Critic）を同…
• ε-greedy方策基本は一番良さそうな行動を選び、たまに（確率εで）わざとランダムに試…
• REINFORCE実際に行動してみた結果の報酬をもとに、方策を直接更新していく基本的な…
• Q 学習「次はきっと最善手を打つ」と仮定してQ値を更新していく強化学習の手法…
• UCB 方策（Upper Confidence Bound）「今の評価」だけでなく「まだよく分かっていない度合い」も足して行動を…
• 行動価値関数「この状況でこの行動をとると、将来どれだけ報酬が得られそうか」を表す…
• 状態価値関数「この状況にいること自体がどれくらい有利か」を数値で表した関数です。
• バンディットアルゴリズム当たりの確率が分からない複数の選択肢から、なるべく多く報酬を得るため…
• 方策勾配法「どの行動をどの確率で選ぶか」を直接学習する強化学習の手法です。
• マルコフ決定過程（MDP）強化学習の問題を「状態・行動・報酬・遷移確率」で表した数学的な枠組み…
• 割引率「今もらえる報酬」と「先でもらえる報酬」のどちらを重く見るかを決める…
• SARSA実際に選んだ行動の結果を使ってQ値を更新する、堅実なタイプの強化学習…

10. モデルの選択・評価16語

• k-分割交差検証データをk個に分け、テスト役を交代させながらk回評価して平均を取る手…
• 平均二乗誤差 (MSE)予測の外れ具合を二乗して平均した指標。大きく外すほど大きなペナルティ…
• 二乗平均平方根誤差 (RMSE)MSEの平方根。「平均してどれくらい外しているか」を元の単位で表せる…
• 平均絶対値誤差 (MAE)予測の外れ具合を絶対値で平均した指標。外れ値に振り回されにくいのが特…
• ROC 曲線・AUCしきい値を変えたときの性能の変化を描いた曲線と、その下の面積による評…
• 赤池情報量規準 (AIC)「よく当たるか」と「複雑すぎないか」を同時に見て、モデルを選ぶための…
• オッカムの剃刀説明力が同じなら、より単純なほうを選ぶべきだという考え方です。
• 過学習手元のデータを覚えすぎて、新しいデータに対応できなくなる現象です。
• 交差検証データの分け方を変えて何度も評価し、結果を平均することで評価を安定さ…
• 偽陽性・偽陰性FPは「陰性なのに陽性と誤った」、FNは「陽性なのに陰性と見逃した」…
• 真陽性・真陰性TPは「陽性を正しく陽性と当てた」、TNは「陰性を正しく陰性と当てた…
• 混同行列分類の結果を「正解だったか」「陽性と判定したか」の組み合わせで4つに…
• 正解率・適合率・再現率・F 値分類の良し悪しを測る4つの指標。目的によって見るべき指標が変わります…
• 汎化性能学習に使っていない新しいデータに対しても、きちんと当てられる能力のこ…
• ベイズ情報量規準 (BIC)AICと同じ目的の指標ですが、データが多いほど複雑なモデルを厳しく罰…
• ホールドアウト検証データを学習用とテスト用に1回だけ分けて評価する、最もシンプルな検証…

ご利用にあたって　本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。