学習ガイド第3章

機械学習の概要（G検定技術分野）

教師あり・教師なし・強化学習の代表的な手法と、モデルの評価指標を扱います。

中項目4
キーワード62語
練習問題59問
出題の目安約17問

この分野の練習問題は59問です。復習の時期が来た問題と、まだ解いていない問題から順に出題します。

この分野から10問解く

全59問・解いた記録はまだありません

概要

この分野で扱うこと

機械学習の手法を学習の手がかりで3つに分けて学び、最後にモデルの評価方法を学ぶ分野です。キーワードは62語で、全分野で2番目に多い分野です。

中項目	学習の手がかり	使い道の例
教師あり学習	特徴量と正解の組	売上の予測、不良品の判定
教師なし学習	特徴量だけ	顧客のグループ分け、データの要約
強化学習	行動の結果として得る報酬	ゲーム、ロボットの制御

中項目のつながり

教師あり・教師なし・強化学習は並列の関係で、違いは「何を手がかりに学ぶか」です。4つ目のモデルの選択・評価は、学習に使っていないデータでどれだけ当たるかを確かめる方法と、複数のモデルから選ぶ基準（AIC・BICなど）を扱います。評価指標は、混同行列や平均二乗誤差(MSE)など教師あり学習向けが中心です。

学ぶ順番

教師あり学習：回帰と分類の違いから入り、線形回帰、決定木、SVM、アンサンブル学習へ進みます。
モデルの選択・評価：教師あり学習の直後に読み、混同行列からの計算を手を動かして練習します。
教師なし学習：クラスタリングと次元削減を、教師あり学習との違いに注目して読みます。
強化学習：用語が独特なので、最後にまとめて学びます。

つまずきやすいところ

手法の名前が多いうえ、評価指標には計算が必要なものもあります。手法は「何を入力し、何を出力するか」で整理し、指標は「分母に何をとるか」を意識すると混乱しにくくなります。

出題の目安

145問中約17問前後

当サイトの推計です。幅をもたせると約15〜19問（全体の10〜13%）とみています。分野別の出題数は公表されていません。

全体の問題数「145問程度」の出典：JDLAのFAQ 最終確認日：2026年10月30日

中項目一覧

4項目

数字はシラバスの項目番号です。右側にはこのブラウザに保存された正答率を表示します。

つまずきやすい点

分類は正解ラベルつきのデータから学んで決まったクラスに振り分ける教師あり学習、クラスタリングは正解なしで似たデータをまとめる教師なし学習で、どちらも「グループに分ける」と言えるため取り違えやすい点
ロジスティック回帰は名前に「回帰」とつくが、クラスに属する確率を出力して分類に使う手法である点
バギング（ランダムフォレストなど）は独立に学習したモデルを並列に組み合わせ、ブースティング（勾配ブースティングなど）は前のモデルの誤りを補うように順番に学習する点
強化学習では正解の行動は与えられず、行動の結果として得られる報酬を、割引率で割り引きながら将来の分まで足し合わせた累積報酬が大きくなるように学ぶ点

この分野を解く

この分野から10問解く全59問を解く

復習の時期が来た問題と、まだ解いていない問題から順に出題します。

この分野の用語

62語

混同しやすい用語の比較

出典

G検定試験出題範囲（シラバス2024）第1.4版（技術分野機械学習の概要（項目7〜10）） 2026年10月30日閲覧
scikit-learn User Guide, Ensembles: Gradient boosting, random forests, bagging, voting, stacking 2026年10月30日閲覧
scikit-learn User Guide, Metrics and scoring: quantifying the quality of predictions 2026年10月30日閲覧
Richard S. Sutton, Andrew G. Barto, Reinforcement Learning: An Introduction, 2nd ed., MIT Press (2018) 2026年10月30日閲覧

作成：ウカトレ編集部（AIで作成し、別のAIが一次資料と照合）人による確認：未最終確認日：2026年10月30日

全問オリジナル（JDLAの過去問ではありません）。誤りを報告