【G検定｜理解型予想問題】教師あり学習・教師なし学習・強化学習はなぜ混同する？
seo-webmaster
G検定対策ブログ
【G検定対策】機械学習の概要の弱点チェック｜5問で苦手テーマを確認
seo-webmaster
プロモーションが含まれています
G検定の「機械学習の概要」では、教師あり学習・教師なし学習・強化学習の違いだけでなく、分類と回帰、代表的なアルゴリズム、モデルの評価、評価指標なども確認しておきたいテーマです。
このページでは、重要なテーマを5問で確認します。
目的は点数をつけることではありません。間違えた問題から、どのテーマを次に復習すればよいかを見つけること です。
まずは解説を見ずに5問に取り組み、間違えた問題を確認してみてください。
教師あり・教師なし・強化学習は、それぞれ正解ラベル、データのパターン、報酬という異なる手がかりで整理できます。
ジャンプするもくじ
この弱点チェックで確認すること
5問では、次のテーマを確認します。
| 問題 | テーマ | 確認するポイント |
|---|---|---|
| 問題① | 学習方法 | 教師あり・教師なし・強化学習の違い |
| 問題② | 分類と回帰 | 予測する結果の違い |
| 問題③ | 代表的なアルゴリズム | 決定木とランダムフォレストの関係 |
| 問題④ | モデルの評価 | 交差検証の目的 |
| 問題⑤ | 評価指標 | 適合率と再現率の使い分け |
5問を解く
↓
正解数を確認する
↓
間違えたテーマを確認する
↓
対応する記事で復習する
機械学習の概要の弱点チェック
学習方法、分類・回帰、代表的なアルゴリズム、モデル評価、評価指標を確認します。
問題①
商品の購入履歴だけを使い、似た購買傾向を持つ利用者を複数のグループに分けたい。正解となるグループは事前に与えられていない。
この学習方法として最も適切なものはどれか？
- A. 教師あり学習
- B. 教師なし学習
- C. 強化学習
- D. 転移学習
- 正解・解説（クリックで開きます）
-
正解
B
解説：学習方法の違い
正解ラベルがないデータから、似た特徴を持つグループを見つけるため、教師なし学習が適しています。
Aの教師あり学習では、入力と正解ラベルの組み合わせを使います。
Cの強化学習では、行動と報酬を通じて方策を改善します。
Dの転移学習は、別の課題で学習したモデルを活用する方法です。
この問題で確認できること
教師あり・教師なし・強化学習の違い／クラスタリング／正解ラベルの有無
間違えた場合の復習先
【G検定対策】教師あり学習・教師なし学習・強化学習の違いをわかりやすく整理
Q
問題②
住宅の広さ、築年数、駅からの距離を使い、住宅の販売価格を数値として予測したい。
この課題として最も適切なものはどれか？
- A. 分類
- B. 回帰
- C. クラスタリング
- D. 次元削減
- 正解・解説（クリックで開きます）
-
正解
B
解説：分類と回帰の違い
価格のような連続した数値を予測する課題は回帰です。
Aの分類は、迷惑メールかどうかなど、カテゴリーを予測します。
Cは、似たデータをグループに分けます。
Dは、データの特徴量を減らします。この問題で確認できること
分類と回帰の違い／予測結果の形式／教師あり学習との関係
間違えた場合の復習先
【G検定対策】教師あり学習と教師なし学習とは？｜分類・回帰・クラスタリングの違いを整理
Q
問題③
ランダムフォレストの説明として、最も適切なものはどれか？
- A. 一つの決定木を可能な限り深くする方法
- B. 複数の決定木を作り、その予測をまとめる方法
- C. データを代表点に近いグループへ分ける方法
- D. データを高次元空間へ写して境界線を引く方法
- 正解・解説（クリックで開きます）
-
正解
B
解説：決定木とランダムフォレスト
ランダムフォレストは、異なるデータや特徴量を使って複数の決定木を作り、その予測を多数決や平均でまとめます。
一つの決定木より予測が安定し、過学習を抑えやすくなることがあります。
Cは k-means法、Dは SVM に関係する説明です。この問題で確認できること
決定木とランダムフォレストの関係／アンサンブル学習／予測の安定化
間違えた場合の復習先
「決定木・ランダムフォレストとは？」と「アンサンブル学習とは？」
【G検定対策】決定木・ランダムフォレストとは？｜木構造で判断し、複数の木で予測を安定させる考え方を整理
【G検定対策】アンサンブル学習とは？｜なぜ複数のAIを組み合わせるのか？
Q
問題④
同じデータの分け方だけでモデルを評価すると、偶然その分け方に適していた可能性がある。データの分け方を変えながら複数回評価したい。
最も適切な方法はどれか？
- A. 交差検証
- B. データ拡張
- C. 勾配降下法
- D. 正規化
- 正解・解説（クリックで開きます）
-
正解
A
解説：モデルを評価する方法
交差検証は、データを複数に分割し、学習用と検証用の役割を入れ替えながら複数回評価する方法です。
一度の分割だけに依存せず、モデルの性能を確認できます。
Bは学習データのバリエーションを増やす方法です。
Cは損失を小さくするための最適化方法です。
Dは値のスケールなどを整える処理です。この問題で確認できること
交差検証の目的／学習データと検証データ／モデル選択
間違えた場合の復習先
「交差検証とは？」
【G検定対策】交差検証（クロスバリデーション）とは？わかりやすく整理
Q
問題⑤
病気の可能性がある人を検査で見つける際、実際に病気である人を見逃すことをできるだけ減らしたい。
特に重視したい評価指標はどれか。
- A. 適合率
- B. 再現率
- C. 平均二乗誤差
- D. シルエット係数
- 正解・解説（クリックで開きます）
-
正解
B
解説：適合率と再現率
再現率は、実際に陽性であるもののうち、どれだけ陽性として検出できたかを表します。
見逃しである偽陰性を減らしたい場合に重視されます。
Aの適合率は、陽性と予測したもののうち、実際に陽性だった割合です。
Cは主に回帰などの誤差、Dはクラスタリングの評価に関係します。この問題で確認できること
再現率と適合率の違い／偽陰性／目的に応じた評価指標
間違えた場合の復習先
「評価指標の使い分け方は？」と「適合率と再現率はなぜ混同する？」
【G検定対策】評価指標の使い分け方は？わかりやすく整理
【G検定｜理解型予想問題】適合率と再現率はなぜ混同する？
Q
診断｜間違えたテーマを確認する
5問を解き終えたら、まず 間違えた問題 を確認します。
合計点だけを見るのではなく「どのテーマで迷ったのか」を確認することが重要です。
| 間違えた問題 | 考えられる弱点 | 確認したいポイント |
|---|---|---|
| 問題① | 学習方法の違い | 教師あり学習／教師なし学習／強化学習 |
| 問題② | 分類と回帰 | カテゴリ予測／数値予測／クラスタリングとの違い |
| 問題③ | 代表的なアルゴリズム | 決定木／ランダムフォレスト／アンサンブル学習 |
| 問題④ | モデルの選択・評価 | 交差検証／データ分割／汎化性能 |
| 問題⑤ | 評価指標の使い分け | 適合率／再現率／見逃しと誤判定 |
正解数から一次判定する
正解数は、分野全体を復習するか、間違えたテーマだけを復習するかを決める目安として使います。
| 正解数 | 一次判定 | 次の対応 |
|---|---|---|
| 5問 | 現時点では大きな弱点は見つからない | 理解型予想問題などで確認する |
| 3〜4問 | 一部のテーマが曖昧 | 間違えたテーマを個別に復習する |
| 0〜2問 | 分野全体の復習を推奨 | 分野まとめから確認する |
正解数だけで「理解できている」、「理解できていない」と判断するものではありません。
正解した問題でも、選択肢を絞れなかった場合や、正解した理由を説明できなかった場合は、復習対象に含めてみてください。
間違えた問題から復習する
復習するときは、5問すべてを最初から勉強し直す必要はありません。
間違えた問題に対応する記事から確認する と、復習する範囲を絞れます。
| 間違えた問題 | おすすめの復習記事 | 確認できる内容 |
|---|---|---|
| 問題① | 教師あり学習・教師なし学習・強化学習の違い | 正解ラベル／パターン発見／報酬／学習方法の違い |
| 問題② | 教師あり学習と教師なし学習とは？ | 分類／回帰／クラスタリング／正解データの有無 |
| 問題③ | 決定木・ランダムフォレストとは？ | 決定木／ランダムフォレスト／複数の木／予測の安定化 |
| 問題④ | 交差検証とは？ | データ分割／学習と検証／汎化性能／モデル評価 |
| 問題⑤ | 評価指標の使い分け方は？ | 精度／適合率／再現率／F1値／使い分け |
0〜2問だった場合や、複数のテーマが曖昧だった場合は、個別記事だけでなく「機械学習の概要まとめ」から確認すると、学習方法、代表手法、評価までのつながりを整理しやすくなります。
次の弱点チェックへ
「機械学習の概要」の確認が終わったら、次は「ディープラーニングの概要」へ進みます。
ディープラーニングの概要では、活性化関数、損失関数と評価指標、誤差逆伝播法、学習率、過学習対策などを5問で確認します。
関連記事
【G検定対策】ディープラーニングの概要の弱点チェック｜5問で苦手テーマを確認
全8分野から選び直したい場合は、入口ページへ戻ってください。
関連記事
【G検定対策】全8分野の弱点チェック
まとめ
「機械学習の概要」では、学習方法の名前だけでなく、分類と回帰、代表的なアルゴリズム、モデルの評価、評価指標までつなげて整理することが大切です。
今回の5問で間違えたテーマがあれば、対応する個別解説から確認してみてください。
5問で弱点を確認する
↓
間違えたテーマを特定する
↓
対応する記事で復習する
↓
次の分野へ進む
関連記事・おすすめ記事
機械学習の学習方法、代表的なアルゴリズム、モデルの評価をつなげて確認すると、この分野の全体像を整理しやすくなります。
| おすすめ記事 | 確認できる内容 |
|---|---|
| 機械学習の概要まとめ | 教師あり学習／教師なし学習／強化学習／代表手法／全体像 |
| 教師あり学習・教師なし学習・強化学習の違い | 正解ラベル／パターン発見／報酬／学習方法の違い |
| 決定木・ランダムフォレストとは？ | 決定木／ランダムフォレスト／アンサンブル学習 |
| 交差検証とは？ | データ分割／モデル評価／汎化性能 |
| 評価指標の使い分け方は？ | 精度／適合率／再現率／F1値 |
書いている人
このブログの運営者です。文系出身です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。
