交差検証の仕組みを、1000件から行う5分割の例で解説。ホールドアウトとの違い、平均・標準偏差の読み方、設定選択後の再学習と最終テスト、二重交差検証、分割数kによる学習回数まで整理します。

適合率・再現率・F1スコアの違いを、同じ1000件の混同行列から計算。正解率との違い、しきい値変更による誤検知と見逃し、F1だけで選べない理由、分母が0の場合の注意点まで解説します。

機械学習のデータリークを、独自の計算例で解説。前処理のfit範囲、未来情報と到着時刻、ランダム・グループ・時系列分割の使い分け、Pipelineの限界、発見後の再評価手順を整理します。

過学習とは何かを、同じ架空データに学習した3モデルの比較で解説。学習不足との違い、学習曲線の横軸の読み方、正則化・早期終了・データ追加の使い分けと、誤差を比較するときの注意点を整理します。

交差検証の仕組みを、1000件から行う5分割の例で解説。ホールドアウトとの違い、平均・標準偏差の読み方、設定選択後の再学習と最終テスト、二重交差検証、分割数kによる学習回数まで整理します。

適合率・再現率・F1スコアの違いを、同じ1000件の混同行列から計算。正解率との違い、しきい値変更による誤検知と見逃し、F1だけで選べない理由、分母が0の場合の注意点まで解説します。

機械学習のデータリークを、独自の計算例で解説。前処理のfit範囲、未来情報と到着時刻、ランダム・グループ・時系列分割の使い分け、Pipelineの限界、発見後の再評価手順を整理します。

過学習とは何かを、同じ架空データに学習した3モデルの比較で解説。学習不足との違い、学習曲線の横軸の読み方、正則化・早期終了・データ追加の使い分けと、誤差を比較するときの注意点を整理します。

合成データとは、現実の観測や記録から直接集める代わりに、ルール・統計モデル・シミュレーション・生成AIなどで人工的に作るデータです。AIの学習例を補ったり、実データを使いにくい環境でソフトウェアを試したりする用途があります。ただし、作れた件...

敵対的サンプルとは何かを、同じ変更量でも判定が変わる2次元の数値例で解説。普通のノイズやデータ汚染との違い、FGSMと敵対的学習の考え方、防御の限界、評価結果の条件と分母の読み方を整理します。

データドリフトとは何かを、製品の割合と予測誤差が変わる数値例で解説。概念ドリフトとの違い、KS検定・PSIの注意点、正解が遅れる場合の監視、検知後に再学習を判断する手順を整理します。

差分プライバシーとは何かを、40人と41人の人数集計で解説。εとノイズ量、プライバシー予算、中央型と局所型、匿名化・連合学習との違い、AI学習で使うDP-SGDと保護単位の注意点を整理します。

知識蒸留の仕組みを、教師・生徒モデルの配置と3クラスの確率計算で図解。ソフトターゲット、温度、量子化・プルーニングとの違いを整理し、精度・推論速度・学習費用の評価方法まで解説します。