資格道場
G検定「機械学習の基礎と手法」出題ポイント解説
G検定の分野2『機械学習の基礎と手法』の頻出論点を整理。学習タイプの違い・代表アルゴリズム・評価指標・過学習対策を体系化して解説します。
※受験料・試験日程・シラバス・出題内容は改定される場合があります。最新情報は必ずJDLA公式情報でご確認ください。
機械学習の3つの学習タイプ
| タイプ | 説明 | 代表アルゴリズム |
|---|---|---|
| 教師あり学習 | 正解ラベル付きデータから学習 | 線形回帰・SVM・決定木・ランダムフォレスト |
| 教師なし学習 | ラベルなしデータから構造発見 | k-means・PCA・t-SNE |
| 強化学習 | 環境との相互作用で報酬最大化 | Q学習・SARSA・DQN・方策勾配 |
教師あり学習の代表手法
- 線形回帰: y=ax+bの直線近似・最小二乗法・連続値予測（回帰）
- ロジスティック回帰: シグモイド関数で確率出力・二値分類
- SVM: マージン最大化で分類境界決定・カーネルトリックで非線形対応
- 決定木: 条件分岐で分類・回帰・解釈性高・過学習しやすい
- ランダムフォレスト: 多数決定木のバギング・過学習に強い
- XGBoost/LightGBM/CatBoost: 勾配ブースティング・Kaggle頻出
- ナイーブベイズ: 確率モデル・テキスト分類で活用
- k近傍法（k-NN）: 距離ベースの単純分類・少データで有効
教師なし学習の代表手法
- k-means: k個のクラスタに分割・重心距離最小化・初期値依存（k-means++で改善）
- 階層クラスタリング: 凝集型/分割型・樹形図（デンドログラム）で可視化
- PCA（主成分分析）: 線形次元削減・分散最大方向に軸変換
- t-SNE: 非線形次元削減・可視化に強い・計算コスト大
- UMAP: t-SNEの後継・高速・大規模対応
- DBSCAN: 密度ベースクラスタリング・任意形状クラスタ対応
強化学習の代表手法
- Q学習: 状態-行動価値（Q値）を更新・モデルフリー
- SARSA: Q学習に近いがオンポリシー学習
- 方策勾配法: 方策を直接最適化・REINFORCE・PPO等
- DQN: Q学習+ディープラーニング+Experience Replay（DeepMind 2013年）
- AlphaGo/AlphaGo Zero: ディープラーニング+MCTS+自己対戦強化学習
評価指標
| 指標 | 計算式 | 使用シーン |
|---|---|---|
| 正解率（Accuracy） | (TP+TN)/全体 | クラスバランス良好時 |
| 適合率（Precision） | TP/(TP+FP) | 偽陽性回避重視（スパム検出等） |
| 再現率（Recall） | TP/(TP+FN) | 偽陰性回避重視（がん検診等） |
| F1値 | 2PR/(P+R) | 不均衡データのバランス評価 |
| AUC | ROC曲線下面積 | 分類器全体性能評価（0.5=ランダム、1.0=完全） |
| RMSE | √(Σ(y-ŷ)²/n) | 回帰タスクの誤差評価 |
| MAE | Σ|y-ŷ|/n | 回帰タスク・外れ値ロバスト |
過学習と対策
- 過学習（オーバーフィッティング）: 訓練データに過度適合・未知データで性能悪化
- 正則化: L1（Lasso・疎な解）/L2（Ridge・係数縮小）/Elastic Net（両者組合せ）
- ドロップアウト: 訓練時ランダム無効化（ディープラーニング）
- データ拡張: 画像の回転/反転/色変換等で多様サンプル生成
- 早期終了: 検証誤差が悪化したら学習停止
- 交差検証: k-fold cross-validation・データ全体活用
バイアス・バリアンスのトレードオフ
- バイアス高: 単純すぎモデル・未学習（high bias / underfitting）
- バリアンス高: 複雑すぎモデル・過学習（high variance / overfitting）
- 汎化誤差 = バイアス² + バリアンス + ノイズ
- 両者のバランスが最適なモデル複雑度を決定
データ前処理
- 欠損値補完: 平均値・中央値・最頻値・KNN・MICE
- スケーリング: min-max正規化（0-1）・Z-score標準化（平均0分散1）・ロバストスケーリング
- カテゴリ変数: One-Hot エンコーディング・ラベルエンコーディング・ターゲットエンコーディング
- 特徴量エンジニアリング: ドメイン知識ベースの特徴量設計
今すぐ問題演習を始めよう！
G検定（ジェネラリスト検定） 一問一答 →
G検定（ジェネラリスト検定） 一問一答 →
この資格の関連記事
G検定の勉強法とおすすめ参考書【独学合格・2024年改訂シラバス対応】
G検定（ジェネラリスト検定）に独学合格するための勉強法・参考書・学習スケジュールを徹底解説。JDLA監修公式テキスト（白本）+問題集（黒本）の王道ルート、2024年改訂シラバスの生成AI・EU AI Act論点対策、年6回オンライン試験の戦略を完全網羅。
G検定の難易度と合格率【2026年実績78%・E資格との違い】
G検定の合格率（2026年実績77〜78%）・難易度・E資格との違いを詳しく解説。受験資格なしの民間検定としては合格率高めだがシラバス範囲広い。4分野別難易度・関連試験比較・独学合格戦略を完全解説。
G検定の申込方法と受験の流れ【完全ガイド・受験チケット制】
G検定の受験資格・申込方法・試験当日の流れ・合格発表までを完全解説。受験料13,200円（学生5,500円）、145問・100分、年6回オンライン+3回会場。受験チケット制・オンライン環境準備・各種割引を網羅。
G検定のよくある質問15選｜受験資格・難易度・E資格との違い
G検定でよくある疑問15問を独学合格者目線で解決。合格率・受験資格・オンライン試験の特殊性・E資格との違い・2024年改訂シラバス・最新動向（生成AI・EU AI Act）・学習時間目安等を網羅。受験前の疑問をすべて解消。
G検定の合格体験記【IT営業職・学生・営業マネージャー3名のリアル独学】
IT営業職A氏・営業マネージャーB氏・理系学生C氏のG検定独学合格体験記。2.5ヶ月独学2026年第1回合格、1.5ヶ月独学第2回合格、1ヶ月独学合格の3パターン。具体的な学習スケジュール・教材・つまずきポイント・合格者共通法則を実例で詳しく紹介。
G検定の試験日程・申込スケジュール【2026年版・年9回開催】
G検定の試験日程は年6回（オンライン）+年3回（会場）の計9回。2026年第1回〜第6回の試験日・申込期間、受験チケット制度、申込から受験までの逆算スケジュール、オンライン受験環境の準備を解説。
G検定の過去問の傾向と対策【4分野別頻出論点解析】
G検定の過去問はJDLA公式公開なし。市販予想問題集（黒本等）の活用法と、4分野別頻出論点（AI基礎・機械学習・ディープラーニング・社会実装と倫理）を詳しく解析。2024年改訂シラバスの生成AI・LLM・EU AI Act等の最新論点を完全網羅。
G検定の用語集｜試験頻出50語を完全解説【AI/ML/DL/社会実装】
G検定試験で頻出する重要用語50語を4分野（AI基礎・機械学習・ディープラーニング・AI社会実装）別に網羅解説。チューリングテスト・誤差逆伝播・Transformer・拡散モデル・RAG・EU AI Actまで2024年改訂シラバス完全対応。試験前の知識整理に最適。
G検定を活かせる職種と年収【AI企画・DX推進・コンサル・営業】
G検定を取得して活躍できる職種（AI企画・DX推進・データサイエンティスト・AIコンサル・AI営業・教育講師）の想定年収・キャリアパスを実例で紹介。AI/DXブームで求人急増中・資格手当月1〜3万円・E資格への発展ルートまで完全解説。
G検定「人工知能の基礎と研究の歴史」出題ポイント解説
G検定分野1「AI基礎と歴史」の頻出論点を整理。3つのAIブーム・主要研究者（マッカーシー/ミンスキー/サール/ヒントン等）・哲学的問題（チューリングテスト/フレーム問題/シンボルグラウンディング）・歴史的事件（Deep Blue/AlphaGo/ChatGPT）・探索/推論手法を体系化して解説。
G検定「ディープラーニング技術」出題ポイント解説
G検定分野3「ディープラーニング」の頻出論点を整理。NN基礎・活性化関数（ReLU/Softmax）・最適化（Adam）・CNN（ResNet/VGG）・RNN/LSTM・Transformer/BERT/GPT・GAN/拡散モデル・生成AI/LLM・RAG/LoRA/プロンプト工学等の2024年改訂シラバス最新論点を完全解説。
G検定「AI社会実装と倫理・法律」出題ポイント解説
G検定分野4「AI社会実装」の頻出論点を整理。PoC/MLOps・データセントリックAI・AI倫理5原則・XAI（LIME/SHAP/Grad-CAM）・GDPR/著作権法30条の4/EU AI Act・自動運転SAEレベル・ディープフェイク/ハルシネーション対策・連合学習を完全解説。
G検定のおすすめ参考書ランキング【2026年最新版・白本/黒本】
G検定の独学合格に最適な参考書をランキング形式で紹介。JDLA監修公式テキスト（白本・翔泳社）・問題集（黒本・インプレス）の王道2冊体制、用途別おすすめ、学習スタイル別組合せパターン（短期集中型/じっくり理解型/E資格連動型）を完全解説。
G検定のオンライン講座比較【独学vs講座・5社徹底比較】
G検定の主要オンライン講座（STUDYing/Aidemy/Udemy/JDLA協賛各社）を価格・カリキュラム・サポート体制で徹底比較。独学vs講座のメリット・デメリット、学習スタイル別組合せパターン、教育訓練給付金活用法を解説。
「ディープラーニングG検定 公式テキスト（白本）」徹底レビュー【JDLA監修・翔泳社】
JDLA監修の公式テキスト『深層学習教科書 ディープラーニングG検定 公式テキスト』（翔泳社・通称白本）の構成・強み・他書比較を独学合格者目線で徹底レビュー。2024年改訂シラバス対応の網羅性、図解の充実、最新の生成AI論点反映等、独学合格の主軸として活用法を完全解説。
無料登録で学習データを永続保存
今の記録はこの端末限定。無料の会員登録で、どの端末でもデータを引き継げます。