【G検定】ベクトル自己回帰モデル(VAR)とは？複数の時系列を同時に扱う仕組みを解説
2026年5月29日
気温とアイスの売上、金利と株価——世の中の時系列データは、互いに影響し合いながら動いています。この「複数の時系列の絡み合い」をまとめて扱えるのが、ベクトル自己回帰モデル(VARモデル)です。
【G検定】ダブルDQNとは？Q値の過大評価を「選択と評価の分離」で抑える改良を解説
2026年5月29日
DQNには「自分の実力を高く見積もりすぎる」という癖があります。行動を選ぶときも評価するときも同じネットワークの「最大値」を使うため、たまたま高く出た推定誤差を拾い続けてしまうのです。この過大評価を、2つのネットワークの役割分担で抑えたのがダブルDQNです。
【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。