【G検定過去問風テスト】オッカムの剃刀とAIC・BICモデル選択基準を最速マスター！

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

統計的なモデル選択や情報量規準に関する記述として、最も適切な選択肢を1つ選べ。

A）オッカムの剃刀（カミソリ）とは、「同じ現象を説明できるモデルが複数ある場合、パラメータ数が多く最も複雑で表現力の高いモデルを選択すべきである」という原則である。
B）赤池情報量規準（AIC）およびベイズ情報量規準（BIC）は、モデルのデータへの適合度に加えて、モデルの複雑さ（パラメータの数）に対するペナルティを含めて評価する指標である。
C）AICやBICを用いて複数のモデルを比較する場合、その数値が「大きければ大きいほど」シンプルで優れたモデルであると評価される。
D）BICはAICと比較して、サンプルサイズ（データ数）が増加した際にモデルの複雑さに対するペナルティが小さくなるように設計されている。

🔍 ここをクリックして正解を見る

正解: B）赤池情報量規準（AIC）およびベイズ情報量規準（BIC）は、モデルのデータへの適合度に加えて、モデルの複雑さ（パラメータの数）に対するペナルティを含めて評価する指標である。

💡 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

オッカムの剃刀：「迷ったらシンプルなモデルを選べ」という哲学。
AIC・BIC：「データの適合度」と「無駄な複雑さ（パラメータ数）」を組み合わせて採点する指標。
判定ルール：AIC・BICともに数値が「小さければ小さいほど」無駄がなく優れたモデル！

■ 初学者向け解説（例え話や背景）

AIモデルを作るとき、「パラメータ（設定項目）」を無限に増やせば、手元の練習データに100%ピッタリ合わせる（過学習を起こす）ことができます。しかし、そんなゴテゴテに複雑化したAIは、本番で使い物になりません。

そこで生まれた考え方が「オッカムの剃刀」です。「同じ結果を説明できるなら、余計な装飾（パラメータ）はカミソリで削ぎ落として、一番シンプルなものを選びなさい」というスローガンですね。

このスローガンを数学的な数式にしたのがAIC（赤池情報量規準）やBIC（ベイズ情報量規準）です！
これらは「モデルの優秀さ」だけでなく、「複雑すぎるモデルには強力な罰点（ペナルティ）を与える」という採点基準を持っています。
「過学習による罰金（ペナルティ）が含まれたエラー値」なので、AICやBICの数字は小さければ小さいほど優秀なモデルとなります！

■ 選択肢の解説

A) オッカムの剃刀（オッカムのカミソリ）とは、「同じ現象を説明できるモデルが複数ある場合、パラメータ数が多く最も複雑で表現力の高いモデルを選択すべきである」という原則である。（×）: 説明が逆です。オッカムの剃刀とは「必要以上に複雑なものを選ぶべきではなく、最もシンプルなモデルを選択すべきである」という原則です。
B) 赤池情報量規準（AIC）およびベイズ情報量規準（BIC）は、モデルのデータへの適合度に加えて、モデルの複雑さ（パラメータの数）に対するペナルティを含めて評価する指標である。（○）: 正解です！データへの当てはまりの良さ（適合度）を評価しつつ、過学習を防ぐためにパラメータの多さ（複雑さ）にペナルティを加算して計算します。
C) AICやBICを用いて複数のモデルを比較する場合、その数値が「大きければ大きいほど」シンプルで優れたモデルであると評価される。（×）: G検定の超定番ひっかけです。AIC・BICはペナルティ（誤差）を表すスコアなので、「数値が小さければ小さいほど」優秀なモデルと判定します。
D) BICはAICと比較して、サンプルサイズ（データ数）が増加した際にモデルの複雑さに対するペナルティが小さくなるように設計されている。（×）: BICはデータ数が多くなると、複雑さに対するペナルティがAICよりも「厳しく（大きく）」なるように設計されています。