【G検定】正則化とは？過学習を防ぐ仕組みとL1・L2・ドロップアウトの全体像
2026年6月15日
「訓練データでは高得点なのに本番では使い物にならない」——機械学習の宿敵・過学習に対する代表的な処方箋が正則化です。この記事ではL1・L2・ドロップアウトといった個別手法の親玉にあたる「正則化」という考え方そのものを解説します。
【G検定】L2正則化とは？重みを小さく保って過学習を防ぐペナルティの仕組み
2026年6月15日
過学習対策の定番中の定番がL2正則化です。「重みを小さく保つとなぜ過学習が防げるのか」という理屈まで理解できると、L1正則化との違いも一気にクリアになります。試験頻出の対比ポイントを含めて解説します。
【G検定】確率変数とは？離散型と連続型の違いをサイコロの例でわかりやすく解説
2026年6月15日
サイコロの目、コインの裏表、明日の来店客数——結果が偶然に左右される値を数学で扱うための出発点が「確率変数」です。確率分布・期待値・分散など、統計と機械学習のあらゆる概念の主役になる用語なので、ここで土台を固めておきましょう。
【G検定】確率分布とは？離散型と連続型の違いをわかりやすく解説
2026年6月15日
サイコロの目は1/6ずつ、人の身長は平均付近に集中——「どの値がどれくらい出やすいか」の全体像を表したものが確率分布です。統計とAIの土台となるこの考え方を、数式は最小限にして、離散型と連続型の違いを中心にやさしく解説します。
【G検定】L1正則化とは？重みをゼロにして特徴選択するペナルティの仕組み
2026年6月15日
「不要な特徴量の重みをきっぱりゼロにする」——L1正則化は、過学習を防ぎながらモデルのスリム化まで同時にやってのける手法です。L2正則化との違いが試験の頻出ポイントなので、ペナルティの仕組みから丁寧に解説します。