【G検定過去問風テスト】誤差を最小化する！「最小二乗法」の仕組み

2026年8月8日 2026年8月8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

以下の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ。

実際のデータとモデルの予測値との「誤差の2乗和」が最小になるようにパラメータを決定する手法であり、回帰分析などで多用されるものは ( ) である。

A）最尤法
B）最小二乗法
C）主成分分析
D）クロスバリデーション

🔍 ここをクリックして正解を見る

正解: B）最小二乗法

💡 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

最小二乗法（OLS）：実際のデータ点と、AIモデルが引いた予測線の「ズレ（誤差）」を2乗して足し合わせ、それが一番小さくなるようにパラメータ（線の傾きや切片）を決める手法。
回帰分析（数値を予測するタスク）の裏側で最も基本かつ強力に利用されている。

■ 初学者向け解説（例え話や背景）

グラフ用紙にバラバラと散らばるたくさんの点（実データ）に対して、それらの傾向を代表する1本の「直線（予測モデル）」をキレイに引きたいときを想像してください。

「この線で合っているかな？」と適当に線を引いたとき、それぞれの点からその線までの距離（ズレ・誤差）がどうしても生まれますよね。このズレをそのまま足してしまうと、プラスとマイナスが打ち消し合ってうまく評価できません。そこで、ズレを一度「2乗」してすべてプラスに変換し、その合計値（誤差の2乗和）が一番小さくなるような「最高のポジションの直線」を数学的にピタリと導き出すのが最小二乗法です。

学校の数学の授業や、AIの回帰モデルの学習の土台として必ず登場する超重要アプローチです！