【G検定】疑似相関とは？アイスクリームと水難事故の例で交絡因子をやさしく解説
2026年6月16日
「アイスクリームが売れる日は水難事故が多い」——データ上は確かに相関があるのに、アイスをやめても事故は減りません。このように相関の裏に隠れた第3の変数がつくり出す「見せかけの関係」が疑似相関です。データ分析の落とし穴として試験でも実務でも超重要な概念を解説します。
【G検定】ドロップアウトとは？ニューロンをランダムに無効化して過学習を防ぐ仕組み
2026年6月16日
「学習のたびにニューロンをわざとサボらせる」——一見乱暴なこのアイデアが、ディープラーニングの過学習対策の定番になりました。ドロップアウトがなぜ効くのか、アンサンブル学習との関係まで含めて解説します。
【G検定】確率密度とは？確率との違いと正規分布の68%・95%をわかりやすく解説
2026年6月15日
身長や体重のような連続的なデータでは、「ちょうどこの値になる確率」は0になってしまいます。そこで登場するのが「確率の濃さ」を表す確率密度です。この記事では、確率との違い、曲線の下の面積が確率になる仕組み、正規分布の68%・95%の性質まで丁寧に解説します。
【G検定】正則化とは？過学習を防ぐ仕組みとL1・L2・ドロップアウトの全体像
2026年6月15日
「訓練データでは高得点なのに本番では使い物にならない」——機械学習の宿敵・過学習に対する代表的な処方箋が正則化です。この記事ではL1・L2・ドロップアウトといった個別手法の親玉にあたる「正則化」という考え方そのものを解説します。
【G検定】L2正則化とは？重みを小さく保って過学習を防ぐペナルティの仕組み
2026年6月15日
過学習対策の定番中の定番がL2正則化です。「重みを小さく保つとなぜ過学習が防げるのか」という理屈まで理解できると、L1正則化との違いも一気にクリアになります。試験頻出の対比ポイントを含めて解説します。