機械学習の概要の対策
01 機械学習の概要で問われること
この分野では、機械学習の代表的な手法と、作ったモデルをどのように評価し選ぶかを学びます。ディープラーニングを理解する前提となる、機械学習の基本の地図にあたる分野です。
線形回帰・ロジスティック回帰・決定木・ランダムフォレスト・勾配ブースティング・サポートベクターマシンなどの教師あり学習、k-means法や主成分分析などの教師なし学習、Q学習などの強化学習、そして交差検証、混同行列、適合率・再現率・F値、ROC曲線とAUC、過学習とバイアス・バリアンスを扱います。さらに、混同行列から正解率・適合率・再現率・特異度・F値を求める計算や、IoU・NMS、RMSE・決定係数など、評価指標の計算問題を集中して練習できます。
02 よく出るポイント
名前の似た手法を区別する
k近傍法（教師あり）、k-means法（教師なし）、k分割交差検証（評価方法）のように、名前が似ていても中身がまったく違う手法があります。ロジスティック回帰は名前に反して分類の手法である点も頻出です。
評価指標は分母で見分ける
適合率は「陽性と予測したもの」が分母、再現率は「実際に陽性のもの」が分母です。不均衡なデータでは正解率が高くても役に立たないことがあるため、目的に合った指標を選ぶ判断が問われます。
アンサンブル学習の2つの型
バギング（並列に独立して学習し多数決、代表はランダムフォレスト）と、ブースティング（前のモデルの誤りを補うように順番に学習、代表はAdaBoostや勾配ブースティング）の違いを押さえましょう。
03 実際に問題を解いて確かめる
手法の名前と特徴の組み合わせ、評価指標の計算の両方が問われる分野です。計算問題は、解説の式を使って自分で手を動かして確かめると定着します。
評価指標は、後の「数理・統計」の分野でも計算問題として登場します。
本サイトでは「機械学習の概要」の60問すべてに、正解の根拠と、他の選択肢がなぜ誤りなのかまで解説をつけています。登録不要・スマートフォン対応で、1分野10問ずつ進められます。
本試験は多肢選択式で、選択肢の数や語句の組合せ・穴埋めといった問い方は問題ごとに異なりますが、本サイトでは全ての問題を四肢択一に統一しています。本試験で問われる論点は4つの選択肢に組み替えて収録しているため、問い方だけが本試験と異なります。掲載内容は2026年9月28日時点の公式シラバス・法令・公表資料に基づいています。
04 機械学習の概要の一問一答（解説つき）
この分野の出題範囲を、テーマごとの一問一答にまとめました。答えと解説はその場で読めます。
G検定は一般社団法人日本ディープラーニング協会の登録商標です。本ページは一般社団法人日本ディープラーニング協会とは一切関係ありません。
非公式の資格試験対策サイトです。本ページはG検定を実施する一般社団法人日本ディープラーニング協会とは一切関係ありません。掲載内容の正確性を保証するものではなく、本サイトでの学習が合格を保証するものでもありません。受験にあたっては必ず公式の発表をご確認ください。※本ページでは、アクセス解析（Googleアナリティクス）と、広告の配信・成果の計測（A8.net）のためにCookie等を利用し、閲覧に関する情報をGoogle LLC・株式会社ファンコミュニケーションズへ送信しています。詳しくはプライバシーポリシーをご覧ください。
※本ページの問題・解説は、生成AI（人工知能）を活用して作成しています。
