【G検定】混同行列とは？TP・FP・FN・TNの4区分と評価指標の土台をわかりやすく解説
2026年6月8日
分類モデルの成績表は、「当たった/外れた」の2択では書けません。どんなふうに当たり、どんなふうに外れたのかを4つのマスに整理する——それが混同行列です。正解率・適合率・再現率・F値はすべて、この表から生まれます。
【G検定】プルーニングとは？不要な重みを枝刈りするモデル軽量化手法を解説
2026年6月8日
ディープラーニングのモデルは巨大化する一方で、スマートフォンやIoT機器のような小さなデバイスで動かしたい場面が増えています。プルーニングは、そのギャップを埋める「モデルの枝刈り」の技術です。G検定ではモデル圧縮の3手法(プルーニング・量子化・蒸留)の区別が定番なので、この記事で「削る」役割をしっかり押さえましょう。
【G検定】真陰性（True Negative）とは？正解率・偽陽性率との関係をわかりやすく解説
2026年6月8日
「異常なし」を正しく「異常なし」と判定する——地味に見えて、分類モデルの信頼性を支えているのが真陰性です。正解率や偽陽性率の計算に関わる一方、適合率や再現率の式には登場しない「独特の立ち位置」を持つマスでもあります。
【G検定】真陽性（True Positive）とは？評価指標の出発点になる「正しい検出」を解説
2026年6月8日
混同行列の4つのマスの中で、「見つけたいものを正しく見つけられた」ことを表すのが真陽性です。適合率・再現率・F値といった主要な評価指標はすべて真陽性を分子に持ちます。つまり真陽性は、分類モデル評価の「出発点」なのです。
【G検定】宝くじ仮説とは？大きなネットワークに潜む「当たりくじ」をわかりやすく解説
2026年6月8日
巨大なニューラルネットワークの中には、単独で学習しても元と同等の性能を出せる「当たりくじ」の小さなサブネットワークが最初から潜んでいる——2018年にMITの研究者が提唱したこの大胆な主張が「宝くじ仮説」です。モデルの軽量化(枝刈り)と深く結びついた、G検定でも印象に残りやすいキーワードです。