機械学習
説明文は何を並べているか。
機械学習の基本的な仕組み，代表的な手法，及び機械学習のモデルの精度を高めるための代表的な手法，並びにモデルの精度を評価するための代表的な手法を理解する。
読点・「及び」・「並びに」でつないだ 4 つである。 機械学習の基本的な仕組み・代表的な手法、 「機械学習のモデルの精度を高めるための代表的な手法」、「モデルの精度を評価するための代表的な手法」である。 この 38 細目の説明文で「及び」「並びに」を持つのは、この細目だけである。
用語例はいくつあるか。
38 語で、この 38 細目で最も多い。 次は 5.（2）② の 31 語である。
38 語と説明文の 4 つ（仕組み・手法・精度を高める手法・精度を評価する手法）の対応を、シラバスは書いていない。
用語例の「凡化」と、3.（9）① の用語例の「汎化」は、同じ字か。
違う字である。 この細目は 凡化性能・凡化誤差 の「凡化」、3.（9）① は「汎化」である。 シラバスの表記のまま置き、字を揃えない。 2 つが同じものを指すかを、シラバスは述べていない。
シラバスは、機械学習の基本的な仕組み、代表的な手法、及び機械学習のモデルの精度を高めるための代表的な手法、並びにモデルの精度を評価するための代表的な手法を理解するとしている。用語例は 38 語で、この 38 細目で最も多い。手法の中身は書かれていない。
用語例 38 語（シラバスの並び順のまま）
| 順 | 用語例 | 括弧の中 |
|---|---|---|
| 1 | 教師あり学習（回帰，分類など） | 回帰，分類など |
| 2 | 教師なし学習（クラスタリング，次元削減など） | クラスタリング，次元削減など |
| 3 | 半教師あり学習 | — |
| 4 | 強化学習 | — |
| 5 | 線形回帰 | — |
| 6 | ロジスティック回帰 | — |
| 7 | 決定木 | — |
| 8 | ランダムフォレスト | — |
| 9 | サポートベクトルマシン（SVM） | SVM |
| 10 | 主成分分析 | — |
| 11 | k-means法 | — |
| 12 | Q学習 | — |
| 13 | 方策勾配法 | — |
| 14 | 価値反復法 | — |
| 15 | ハイパーパラメータ | — |
| 16 | ランダムサーチ | — |
| 17 | グリッドサーチ | — |
| 18 | 学習率 | — |
| 19 | 学習（訓練）データ | 訓練 |
| 20 | 検証データ | — |
| 21 | テストデータ | — |
| 22 | 凡化性能 | — |
| 23 | 凡化誤差 | — |
| 24 | 訓練誤差 | — |
| 25 | 過学習 | — |
| 26 | バイアスとバリアンスのトレードオフ | — |
| 27 | AIのロバスト性 | — |
| 28 | 正則化 | — |
| 29 | アンサンブル学習 | — |
| 30 | 交差検証 | — |
| 31 | ホールドアウト検証 | — |
| 32 | 正解率（Accuracy） | Accuracy |
| 33 | 適合率（Precision） | Precision |
| 34 | 再現率（Recall） | Recall |
| 35 | F値 | — |
| 36 | ROC曲線 | — |
| 37 | PR曲線 | — |
| 38 | AUC（Area Under the Curve） | Area Under the Curve |
この表の「順」はシラバスの並び順であって、重要度でも実施の順序でもない。 「括弧の中」の列はシラバスの括弧をそのまま写したもので、括弧の中が見出しの別の書き方か、例示か、補足かを、シラバスは述べていない。 38 語のいずれについても、意味・使い方はシラバスに書かれていない。
この細目でのシラバスの書き方
| 項目 | 記載 |
|---|---|
| 説明文 | 一文（76 字） |
| 文末 | 「〜並びにモデルの精度を評価するための代表的な手法を理解する。」 |
| 説明文の「など」 | 無し |
| 説明文の中の括弧 | 無し |
| 用語例の数 | 38 |
| 括弧を持つ用語例 | 8 |
シラバスが書いていること
Section titled “シラバスが書いていること”説明文は一文、76 字である。「など」は説明文に無く、用語例の括弧の中に 2 箇所ある（教師あり学習（回帰，分類など）・教師なし学習（クラスタリング，次元削減など））。
用語例のうち括弧を持つ語は 8 語である。 教師あり学習（…）・教師なし学習（…）・サポートベクトルマシン（SVM）・学習（訓練）データ・ 正解率（Accuracy）・適合率（Precision）・再現率（Recall）・AUC（Area Under the Curve）。 SVM の括弧の中は英大文字だけである。
用語例の文字列の共通点
Section titled “用語例の文字列の共通点”| 文字列 | 用語例 |
|---|---|
| 検証 | 検証データ、交差検証、ホールドアウト検証 |
| データ | 学習（訓練）データ、検証データ、テストデータ |
| 率 | 学習率、正解率（Accuracy）、適合率（Precision）、再現率（Recall） |
| 曲線 | ROC曲線、PR曲線 |
| 誤差 | 凡化誤差、訓練誤差 |
語の文字列の共通点であって、シラバスの分類ではない。 表は例である。 ROC・PR・F値 の英字に括弧書きは無い。
ほかの細目との文字列の重なり
Section titled “ほかの細目との文字列の重なり”- 主成分分析 — 2.（1）② の用語例にも同じ文字列がある
- 回帰 — 教師あり学習（…）の括弧の中の「回帰」が、2.（1）② の説明文の「回帰直線」と用語例 回帰分析（…） の一部として現れる
- ロジスティック回帰 — 2.（1）② の 回帰分析（…）の括弧の中の ロジスティック回帰分析 に、この語が含まれる
- 強化学習 — 3.（9）④ の 深層強化学習・人間のフィードバックによる強化学習（RLHF） の一部として現れる
- 教師あり学習 — 教師あり学習（…）の括弧の前の文字列が、3.（9）④ の 自己教師あり学習 の一部として現れる
- ベクトル・誤差 — 2.（2）の用語例 ベクトル・誤差 が、サポートベクトルマシン（SVM）・凡化誤差・訓練誤差 の一部として現れる
（用語例の語全体がほかの細目の細目名・説明文・用語例に現れる組は、b12terms.py・b12where.py で両方向に照合し、すべて挙げた。語の一部どうしの重なりはほかにもあり、ここに挙げたものは例である。）
シラバスはこれらを結び付けていない。 文字列が同じことだけが事実である。
この細目で書かないこと
Section titled “この細目で書かないこと”次はいずれもこのノートの根拠に含まれていない。
- 38 語それぞれの意味
- 38 語と説明文の 4 つの対応
- 主成分分析・ロジスティック回帰 と 2.（1）② の語の関係
- SVM・ROC・PR・F値・AUC・k-means の中身
- 凡化 と 3.（9）① の 汎化 が同じものを指すか
- 説明文の「の精度を高めるための代表的な手法」と、3.（9）③ の説明文の同じ文字列の関係
名前から内容を推測して書くことは spec.md §8.1a に反する。