用語

F値は、検索や分類AIで「見つけた正確さ」と「見落としの少なさ」を1つにまとめた評価指標です。初心者向けに比喩で解説し、業務での使い方と資格試験で答える3語の要点までわかりやすく整理します。

正解率（Accuracy）は、AIや分類モデルの判定結果のうち正解だった割合を表す指標です。業務で使うときの感覚、よくある誤解、資格試験で見やすいポイントをやさしく解説します。

交差検証は、AIモデルの成績表が「運で良かった」だけではないかを見る手法です。初心者向けの比喩、実例、G検定やITパスポートの観点までやさしくまとめます。

混同行列とは、モデルの正解数・誤答の内訳を2次元表で示す仕組みです。初心者のイメージ例から、G検定・データサイエンティスト検定の出題アングルまで、初心者・受験者向けにやさしく解説します。

ホールドアウト法は、機械学習モデルの評価で使う「正解を隠した問題で実力を見る」方法です。日常比喩で仕組みを理解し、G検定で出たときに自分の言葉で説明できる要点まで整理します。

L2正則化（リッジ）とは、学習で重みが大きくなりすぎたときに「もう少し控えめに」と働きかけ、過学習を防ぐ仕組みです。料理の比喩で体感し、試験でも使える一言を身につけましょう。

過学習とは、AIが過去データに「暗記」しすぎて、未知のデータで精度が落ちる現象。具体例・ITパスポート等の試験対策・初心者が明日から試せるアクションまで、やさしく解説します。

L1正則化（LASSO）とは、過学習を防ぎつつ不要な変数を自動で「0」にしてくれる仕組みです。料理の例で体感し、試験でも使える一言を身につけましょう。