【G検定過去問風テスト】誤差関数（損失関数）の役割とタスクごとの選び方

2026年7月24日 2026年7月24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

ディープラーニングにおける誤差関数（損失関数）に関する記述として、最も不適切な選択肢を1つ選べ。

A）売上予測や株価予測といった回帰問題を解く際、一般的に誤差関数には平均二乗誤差（MSE）が用いられる。
B）分類問題において用いられる交差エントロピー誤差関数は、モデルが高い確率（自信）で誤った予測をした場合により大きなペナルティを与える特徴がある。
C）Triplet Loss（トリプレット損失）では、基準となるデータ（Anchor）、同じクラスのデータ（Positive）、異なるクラスのデータ（Negative）の3つのデータの関係性を用いて学習を行う。
D）分類問題において、出力層の活性化関数にソフトマックス関数を使用する場合、誤差関数には平均二乗誤差（MSE）を用いるのが最も一般的である。

🔍 ここをクリックして正解を見る

誤差関数とは、AIにとっての「テストの採点基準（指導方針）」です。
AIは最初あてずっぽうに答えを出しますが、正解とのギャップ（誤差）を測って「どれくらい怒られたか」を頼りに反省（学習）していきます。

回帰問題（数値の予測）： 「目標売上と実際の売上のズレ」を測るため、ズレを2乗して評価する「平均二乗誤差（MSE）」を使います。
分類問題（カテゴリの予測）： 「犬か猫か」などの判定では、「交差エントロピー誤差」を使います。特に「絶対犬だ！」と自信満々に言っておいて猫だった（誤答）とき、先生から激怒されるような巨大なペナルティが課される仕組みになっています。

試験では「タスク（回帰か分類か）」と「組み合わせる誤差関数」のペアが正しいかが非常に頻出します！

A) 売上予測や株価予測といった回帰問題を解く際、一般的に誤差関数には平均二乗誤差（MSE）が用いられる。（○）: 記述の通りです。数値を予測する回帰タスクでは平均二乗誤差が標準的に使われます。
B) 分類問題において用いられる交差エントロピー誤差関数は、モデルが高い確率（自信）で誤った予測をした場合により大きなペナルティを与える特徴がある。（○）: 記述の通りです。「自信満々の大間違い」に対して強力なペナルティを発生させます。
C) Triplet Loss（トリプレット損失）では、基準となるデータ（Anchor）、同じクラスのデータ（Positive）、異なるクラスのデータ（Negative）の3つのデータの関係性を用いて学習を行う。（○）: 記述の通りです。3つのデータ（トリプレット）の位置関係を使って高精度な顔認証などを実現します。
D) 分類問題において、出力層の活性化関数にソフトマックス関数を使用する場合、誤差関数には平均二乗誤差（MSE）を用いるのが最も一般的である。（×）: 不適切です。ソフトマックス関数（またはシグモイド関数）と組み合わせる分類タスクの誤差関数は、平均二乗誤差ではなく交差エントロピー誤差が最も一般的です。

リンク