DS検定 用語解説
RNNとは
前の時点までの情報を内部状態として保持し、それを次の時点の入力とあわせて処理することで、順序を持つデータを扱うニューラルネットワークの構造。系列全体を並列に処理するTransformerとは異なり、時点ごとに逐次処理を行う。時系列データや自然言語などの分析に使われる。
まず押さえる結論
RNNは、DS検定の「第5章 データ準備・可視化技法とモデル化」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-12。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
×過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
×Precision（適合率）とRecall（再現率）の取り違え。目的（見逃しを減らしたいか、誤検知を減らしたいか）によって重視する指標が変わる。
関連する確認問題
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
画像認識などで用いられる、畳み込みを利用するニューラルネットワークの名称はどれか。
正解は「CNN」である。CNNは畳み込みを利用するニューラルネットワークであり、画像認識などの画像データを扱う場面で用いられる。RNNは系列的なデータを扱うニューラルネットワーク、Transformerは注意機構を利用するモデル、Random Forestは複数の決定木を組み合わせる機械学習の手法である。設問では画像の局所的な特徴を扱うために畳み込みを利用する点を手掛かりにする。ニューラルネットワークであることだけではなく、畳み込みと画像認識という組合せを確認することで、CNNと他のモデルを区別できる。したがってCNNを選ぶ。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
時点ごとに入力を処理し、前の時点までの情報を内部状態として次の時点の処理へ引き継ぐニューラルネットワーク構造はどれか。
正解は「RNN」である。RNNは、前の時点までの情報を内部状態として保持し、その情報を次の時点の入力と合わせて逐次処理するニューラルネットワーク構造である。設問は時点ごとの処理と内部状態の引継ぎを示しているためRNNを選ぶ。Transformerは単語などの関係性を踏まえながら系列を並列に処理する構造、CNNは畳み込みを用いて画像などの局所的特徴を扱う構造、Random Forestは複数の決定木を組み合わせる手法である。系列の順序を逐次的な内部状態で扱うかを判断軸にする。
同じ章で確認したい用語
到達チェック
- RNNを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、RNNに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）