【G検定】AUCとは？ROC曲線の下の面積で分類モデルを評価する方法を解説
2026年6月6日
ROC曲線はモデルの性能を視覚的に見せてくれますが、「結局どちらのモデルが良いのか」を比べるには、曲線を1つの数値に要約できると便利です。それがAUC——ROC曲線の下の面積です。この記事では、AUCの定義と値の読み方、クラス不均衡に強いという持ち味、そして使う上での注意点を解説します。
【G検定】CAMとは？CNNが画像のどこを見て判断したかを可視化する仕組みを解説
2026年6月6日
「このAIは本当に猫を見て『猫』と答えたのか？」——CNNの判断根拠をヒートマップで映し出す元祖的な手法がCAM(Class Activation Mapping)です。G検定では「モデルの解釈性」の節で、Grad-CAMやLIME・SHAPと並んで登場します。
【G検定】ROC曲線とは？TPR・FPRと閾値の関係をわかりやすく解説
2026年6月6日
2クラス分類モデルの性能は、正解率のような1つの数字だけでは見えない部分があります。「どこで線引き(閾値)するか」を変えると当たり外れの傾向が変わるからです。その全体像をひと目で見せてくれるのがROC曲線です。この記事では、縦軸・横軸の意味と曲線の描かれ方、良いモデルの曲線の形を解説します。
【G検定】マルチタスク学習とは？1つのモデルで複数タスクを同時に学ぶ仕組みを解説
2026年6月6日
物体検出とキャプション生成、診断予測とレポート作成——1つのモデルに複数の仕事を同時に覚えさせる学習方法が「マルチタスク学習」です。G検定ではマルチモーダルの節に登場し、VL-T5やMMBTといった具体的なモデル名とセットで問われるキーワードです。
【G検定】平均絶対値誤差(MAE)とは？外れ値に強い理由とMSEとの違いを解説
2026年6月6日
回帰モデルの誤差指標には「二乗する派」のMSEと並んで、「絶対値で測る派」のMAEがあります。二乗しないことで何が変わるのでしょうか。この記事では、平均絶対値誤差(MAE)の計算方法と、外れ値に対する影響が小さいという持ち味、MSEとの使い分けを解説します。