G検定 用語解説
時系列データとは
時間の経過に沿って観測された値が並ぶデータ。前後の値に関連があることが多く、RNNなど系列を扱うモデルの主な対象となる。
まず押さえる結論
時系列データは、G検定の「大項目5 ディープラーニングの要素技術」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: 2026-07-03。
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
×CNN（画像・畳み込み/プーリング）とRNN（時系列・系列データ）の使い分け。
×LSTMとGRUのゲート数の混同（LSTM＝3ゲート＋記憶セル、GRU＝2ゲートに簡略化）。
×最適化手法の取り違え（モメンタム＝慣性、AdaGrad/RMSProp＝適応学習率、Adam＝両方）。GAN・VAE・拡散モデルの生成方式の違い。
関連する確認問題
大項目5 ディープラーニングの要素技術 / 再帰型ニューラルネットワーク
RNNで長い系列を扱う際に勾配消失問題が起きやすい。この問題を緩和するため、ゲート構造を使って長期依存を扱いやすくした代表的なモデルはどれか。
正解は「LSTM」である。LSTMはゲート構造を持つRNN系のモデルで、長い時系列データにおける依存関係を扱いやすくする。CNNは主に画像などの局所的な特徴抽出に使われる構造、k-means法はクラスタリング、ナイーブベイズは確率に基づく分類手法であり、RNNの長期依存を扱うモデルではない。 候補の内部構造とデータ型を照合する。CNNは空間特徴、k-meansはクラスタ中心、ナイーブベイズは条件付き確率による分類を扱う。入力・忘却・出力ゲートと記憶セルで系列情報を制御するLSTMが該当する。
同じ章で確認したい用語
到達チェック
- 時系列データ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、時系列データ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）