【G検定】オフライン強化学習とは？過去データだけで方策を学ぶ手法と課題を解説
2026年5月28日
医療や自動運転で強化学習を使いたくても、「試しに失敗してみる」わけにはいきません。そこで、環境との新たな相互作用を一切行わず、過去に集めたデータだけで方策を学ぶのがオフライン強化学習です。安全にエッジの効いた方策を学べる一方、独特の落とし穴もあります。
【G検定】バギングとは？ブートストラップと多数決で過学習を抑える仕組みを解説
2026年5月28日
1人の専門家に全部を任せるより、少しずつ違う経験を積んだ専門家たちに独立に意見を出させて多数決を取る——これがバギングの発想です。アンサンブル学習の代表格で、ランダムフォレストの土台でもあります。この記事では「並列」「ブートストラップ」「多数決・平均」というバギング固有のメカニズムを掘り下げます。
【G検定】アルファスター(AlphaStar)とは？StarCraft IIを制したDeepMindのAIを解説
2026年5月28日
囲碁のAlphaGoで世界を驚かせたDeepMindが、次に挑んだのはリアルタイム戦略ゲーム『StarCraft II』でした。視界の外は見えず、リアルタイムで判断し続け、長期の戦略も要る——この難関でトッププレイヤ級の実力に到達したのがアルファスター(AlphaStar)です。
【G検定】多クラス分類とは？One-vs-Rest・One-vs-One・ソフトマックスの違いを解説
2026年5月28日
「犬か猫か」なら二択ですが、「犬か猫か鳥か馬か」になった瞬間、分類問題は一段難しくなります。3つ以上のカテゴリに分ける多クラス分類では、二値分類器をどう組み合わせるかという工夫が生まれました。G検定ではOne-vs-RestとOne-vs-Oneの方式の違い、必要な分類器の数が定番の出題ポイントです。
【G検定】重回帰分析とは？複数の説明変数で予測する仕組みと多重共線性を解説
2026年5月28日
マンションの価格は広さだけでは決まりません。駅からの距離、築年数、階数——複数の要因を同時に式へ組み込み、それぞれの寄与度まで見えるようにするのが重回帰分析です。実務の統計分析で最も使われる手法のひとつで、G検定では単回帰分析との違いと、変数を増やすことの落とし穴が問われます。