【G検定】AdaBoundとは？AdamからSGDへ滑らかに移行する最適化アルゴリズムを解説
2026年6月17日
序盤はAdamのように速く、終盤はSGDのように堅実に——。2つの人気オプティマイザの「いいとこ取り」を目指したのがAdaBoundです。学習率に動的な上限と下限を設けるというシンプルな発想で、Adamの弱点だった学習率の暴れを抑え込みます。最適化手法の系譜の「合流点」として位置を押さえましょう。
【G検定】最頻値とは？平均値・中央値との違いと使いどころをやさしく解説
2026年6月17日
データの「代表的な値」を1つ挙げるなら平均値——とは限りません。年収のように極端な値を含むデータや、服のサイズのような集計では、「最も多く現れる値」=最頻値のほうが実態を表すことがあります。平均値・中央値と並ぶ第3の代表値の性質と使いどころを解説します。
【G検定】連鎖律とは？誤差逆伝播法を支える合成関数の微分ルールをわかりやすく解説
2026年6月17日
何十層も重なったニューラルネットワークの膨大な重みを、なぜ効率よく調整できるのか。その数学的な土台が、高校数学にも登場する合成関数の微分ルール「連鎖律(チェーンルール)」です。誤差逆伝播法は、この連鎖律をネットワーク全体に系統的に適用したものにほかなりません。
【G検定】最小二乗法とは？残差の二乗和を最小にする回帰直線の求め方を解説
2026年6月17日
散らばったデータ点に「一番よく当てはまる直線」を引きたい——回帰分析のこの根本問題に答えるのが最小二乗法です。ずれ(残差)を二乗して合計し、それが最小になる直線を選ぶ。線形回帰から機械学習の損失関数まで受け継がれる大原則を、具体的な数値例で解説します。
【G検定】信用割当問題とは？「誰のせいで間違えたか」を解く誤差逆伝播法の原点を解説
2026年6月17日
ニューラルネットワークが答えを間違えたとき、責任は何万個もある重みのうち「どれ」にあるのでしょうか。この「間違いの責任を各部品に割り振る」という古くて本質的な課題が「信用割当問題」です。誤差逆伝播法は、まさにこの問題への解答として理解できます。