【G検定】局所最適解とは？学習が「見せかけの谷」で止まる理由と対策を解説
2026年6月20日
勾配降下法で学習を進めていたら、誤差が下がらなくなった——でも実はそこ、本当のゴールではないかもしれません。周りより低いだけの「見せかけの谷」、それが局所最適解です。この記事では、なぜ学習がそこにはまり込むのかという仕組みと、抜け出すための対策を中心に解説します。
【G検定】分散とは？データのばらつきの測り方と標準偏差との関係をわかりやすく解説
2026年6月20日
分散は「データがどれくらい散らばっているか」を数値化する統計指標です。平均とセットでデータの姿を捉えるための基本中の基本であり、標準偏差・正規分布・機械学習の誤差分析まで、あらゆる話題の土台になります。計算の流れを一度手を動かして理解すれば、確実に得点源にできるキーワードです。
【G検定】勾配降下法とは？誤差を坂道のように下る学習の基本原理を解説
2026年6月20日
ニューラルネットワークが「学習する」とき、その内部で実際に動いているのが勾配降下法です。誤差という坂道を一歩ずつ下って最も低い場所を探す、というシンプルな原理でありながら、ディープラーニング全体を支える心臓部です。この記事では、その仕組みと限界（局所最適解・プラトー・学習率の問題）まで解説します。
【G検定】平均とは？中央値・期待値との違いと外れ値の落とし穴をわかりやすく解説
2026年6月20日
平均は、統計学のなかで最も基本的な「データの代表値」です。誰もが日常で使っている概念ですが、G検定では中央値・最頻値・期待値との違いや、外れ値に弱いという性質まで踏み込んで問われます。この記事で土台からしっかり固めましょう。
【G検定】グリッドサーチとは？ハイパーパラメータ総当たり探索の仕組みと弱点を解説
2026年6月20日
学習率やバッチサイズなど、機械学習には人間が事前に決めるべき「ハイパーパラメータ」がたくさんあります。その最適な組み合わせを機械的に探す最も素朴で確実な方法がグリッドサーチです。この記事では、総当たりという仕組みと、その代償である計算コスト、そしてランダムサーチやベイズ最適化との違いを解説します。