【G検定過去問風テスト】SVMとカーネル法の仕組みを徹底攻略！

2026年7月21日 2026年7月21日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

サポートベクターマシン（SVM）に関する説明として、最も適切な選択肢を1つ選べ。

A）決定境界線を引く際、境界線から最も遠く離れた位置にあるデータ点との距離（マージン）を最大化するように境界を設定する。
B）データが直線で分離できない場合、データを高次元の空間へ写像したかのようにみなして計算し、計算負荷を抑えながら分類を可能にする「カーネル法」が用いられる。
C）前のモデルが間違えた難問を、順番に次のモデルへと引き継ぎながらモデルを改善していく「バギング」と呼ばれる手法がベースになっている。
D）モデルの内部で「条件分岐」を繰り返すことで、人間が予測の理由や根拠（解釈性）を視覚的に最も理解しやすいアルゴリズムである。

🔍 ここをクリックして正解を見る

正解: B）データが直線で分離できない場合、データを高次元の空間へ写像したかのようにみなして計算し、計算負荷を抑えながら分類を可能にする「カーネル法」が用いられる。

💡 合格に近づく！徹底解説

重要度: ★★★

■ 1分で分かる！この問題の要点

サポートベクターマシン（SVM）は、境界線に一番近いデータ（サポートベクトル）との隙間（マージン）を最大化する手法。
直線で分けられない入り組んだデータには、データを高次元へ飛ばしたかのようにみなしてスパッと切る「カーネル法」という魔法のテクニックを使う。

■ 初学者向け解説（例え話や背景）

SVMは、境界線の引き方がだれよりもストイックな「男前なセパレーター」です！

データ同士のギリギリの境界線を見つけ出すのが得意ですが、平面（2次元）の上で赤と青のデータが複雑に入り組んでいると、まっすぐなハサミ（直線）ではどうやってもきれいに切り分けられない場面が出てきます。

そこで使われる魔法がカーネル法です！
例えるなら、「机の上に散らばったオセロの駒を、机をドン！とたたいて一瞬宙に浮かせ（高次元化）、浮いた瞬間に下敷きでスパッと2つに分ける」ようなイメージです。しかし、本当に高次元に持ち上げると計算がとても大変になるので、関数を使って効率的に計算します。

角度を変えて高い視点（高次元）から見ることで、複雑だったデータもすんなり直線（平面）で切り分けられるようになります。試験ではこの「カーネル法」と「マージン最大化」がセットで狙われます！

■ 選択肢の解説

A) 境界線から最も遠く離れた位置〜（×）: ひっかけです！最大化するのは最も「遠く」ではなく、境界線に「最も近い位置にあるデータ点（サポートベクトル）」との距離（マージン）です。
B) データが直線で分離できない場合〜（○）: 正解です！複雑なデータを扱うための「カーネル法」の正しい説明です。
C) 前のモデルが間違えた難問を〜（×）: リレー形式で順番に学習していくのは「ブースティング」の説明です（また「バギング」という用語との組み合わせも不適切です）。
D) モデルの内部で「条件分岐」を繰り返し〜（×）: これはYES/NOチャートで解釈性が高い「決定木（ディシジョンツリー）」の説明です。

リンク