用語

赤池情報量規準(AIC)とは、データに当てはまる度合いと、複雑さ（パラメータ数）をバランスよく評価して、どのモデルが適切かを比べるための指標です。過学習（過剰適合）を防ぐ役割で、初心者にもやさしく解説します。

交差エントロピー誤差」とは、AIが予測した確率と実際の結果のズレの大きさを数字で測る誤差のことです。天気予報の的中率の比喩でわかりやすく解説し、分類問題で使われる仕組みや、AIの学習が進むしくみについてご紹介します。

AIの「未学習」とは、学習データに含まれなかったという意味です。なぜAIが答えられないのか、初心者も資格試験もわかるよう、具体例と「自分の言葉で説明できるか」の確認方法を解説します。

Tool Use（ツールユース）とは、AIが外部のツールやAPIを使って、計算・検索・操作などをこなす仕組みです。AI/IT初心者向けに、身近な比喩と具体例でやさしく解説します。

汎化性能とは、AIが学習データだけでなく、未知の情報に対しても正確な判断を下せる能力です。丸暗記ではなく本質的なパターンを理解できているかを示し、過学習を防ぐ重要な基準となります。その仕組みを解説します。

Leave-One-Out（LOO）とは、学習データから1つだけ抜いてモデルの汎用性を確認する検証手法です。初心者向けの比喩で分かりやすく解説します。

k分割交差検証とは、モデルの性能を"一回のテスト"ではなく"複数回の模擬試験の平均"で測る手法です。hold-out法との違い、データサイエンティスト検定での出題パターン、よくある誤解まで初心者向けに解説します。

自由度調整済み決定係数（adjusted R-squared）は、説明変数を増やすほどR²が上がりやすい問題を補正する指標です。初心者の比喩と、R²との違いをわかりやすく解説します。

決定係数（R²）は、モデルが実際の結果の変化をどれだけ説明できているかを0から1で表す指標です。日常の比喩で分かりやすく解説し、初心者と受験者へ役立ちます。

データリーク（Data Leakage）は、モデルがテストでわざと高い点数を取る「カンニング」のような現象です。初心者の具体例・よくある誤解・G検定やITパスポートの出題アングルを、自分の言葉で説明できるか確認しながら解説します。