【G検定】分類問題とは？2クラス分類と多クラス分類の違い・回帰問題との区別を解説
2026年5月29日
「このメールはスパムか、そうでないか」「この手書き数字は0〜9のどれか」——このように答えを"カテゴリ"の中から選ぶタスクが分類問題です。教師あり学習の二大タスクの一方として、G検定でも最初に押さえたい基礎用語です。
【G検定】ブートストラップサンプリングとは？バギング・ランダムフォレストを支える再標本化を解説
2026年5月29日
「手元のデータが1セットしかないのに、何個も学習用データを作れるの？」——それを可能にするのがブートストラップサンプリングです。バギングやランダムフォレストの土台になる考え方を、初心者向けにていねいに解説します。
【G検定】状態表現学習とは？高次元の観測を低次元の特徴に変換する仕組みを解説
2026年5月29日
カメラ映像は1フレームで何十万画素——この生データのまま強化学習をするのは、砂浜から砂粒を数えて宝を探すようなものです。観測データから「意思決定に本当に必要な情報」だけを抽出したコンパクトな状態を学ぶのが状態表現学習です。深層強化学習を現実世界で使うための土台となる技術です。
【G検定】残差強化学習とは？既存の制御に「差分」だけ学習で上乗せする手法を解説
2026年5月28日
強化学習をゼロから始めると、まともに動くようになるまで膨大な試行錯誤が必要です。しかし、人間が設計したそこそこ動く制御がすでに手元にあるなら、その「足りない分」だけを学習すればよいのでは？——この発想を形にしたのが残差強化学習です。
【G検定】ブースティングとは？弱学習器を逐次強化する仕組みとAdaBoostを解説
2026年5月28日
ひとつ前のモデルが間違えた問題に印をつけ、次のモデルはその問題を重点的に学ぶ——弱いモデルの列が、誤りを引き継ぎながら1つの強いモデルへ育っていく。これがブースティングです。この記事では「逐次学習」「誤分類データへの重み付け」「弱学習器から強いモデルへ」というブースティング固有の駆動原理を軸に解説します。