【G検定過去問風テスト】パラメータを決める！「最小二乗法」と「最尤法」の違い

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。

手元にあるデータが実際に観測される確率（尤度）が最も高くなるようにモデルのパラメータを決定する手法として、最も適切なものはどれか。

A）最小二乗法
B）最尤法
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）最尤法

💡 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）：予測値と実際のデータの「誤差の2乗和」が最小になるようにパラメータを決める手法（回帰分析で多用）。
最尤法（MLE）：手元のデータが観測される確率（尤度：ゆうど）が最も高くなるようにパラメータを決める手法。
G検定では、それぞれの名前と「何を最大化・最小化するか」の組み合わせが問われる。

■ 初学者向け解説（例え話や背景）

AIや機械学習のモデルを作るとき、「正解のルール（パラメータ）」をどうやって見つけるかという問題に行き当たります。このときによく使われる代表的なアプローチが2つあります。

1つ目の最小二乗法は、みんなが学校のテストの点数やグラフの直線引きで無意識にやっていることに近いです。「実際のデータからなるべく外れないように、ズレ（誤差）の合計を一番小さくしよう」という発想です。

2つ目の最尤法（さいゆうほう）は、「今手元にあるこのデータたち、もしこういうルールの世界（確率分布）だったら、一番起きやすかったはずだよね？」という逆算の発想をします。つまり、「今起きている現実のデータが一番もっともらしく（確率が高く）なるようなルール」を探し出す方法です。機械学習の様々なモデルの裏側で、パラメータを調整する強力なエンジンとして働いています。