gk
G検定トップ
＞ オッカムの剃刀とは？（Occam's Razor）【G検定対策】
まず結論
- オッカムの剃刀（Occam’s Razor）とは、「ある事象を説明するために、必要以上に多くの仮定を用いるべきではない」という考え方である
- G検定では「シンプルなモデルを選ぶべき理由」として問われ、他の原理との取り違えが頻出する
直感的な説明
同じ結果を説明できるなら、
- 仮定が多くて複雑な説明
- 仮定が少なくてシンプルな説明
どちらを選ぶべきか？
→ シンプルな方。
これがオッカムの剃刀。 「余計な仮定を“剃り落とす”」というイメージで覚えると分かりやすい。
定義・仕組み
- オッカムの剃刀は、中世の哲学者 ウィリアム・オッカム に由来する原理
-
内容は非常にシンプルで、
- 説明力が同程度なら
- 仮定の少ない理論・モデルを選ぶ
機械学習の文脈では：
- モデルが複雑すぎると
- 過学習（Overfitting）しやすい
→ 単純なモデルの方が汎化性能が高い
という考え方につながる。
いつ使う？（得意・不得意）
使われる場面
- モデル選択
- 仮説検証
- 正則化の考え方
注意点
- 「常に単純なモデルが正しい」わけではない
- 説明力が同じ場合に限るという前提が重要
G検定ひっかけポイント
よくある混同①：バーニーおじさんのルール
- ❌ 仮定を少なくする原理
- ✅ 必要データ量に関する経験則
よくある混同②：ノーフリーランチ定理
- ❌ シンプルなモデルが常に有利
- ✅ どの問題にも万能なモデルは存在しないという定理
よくある混同③：みにくいアヒルの子定理
- ❌ シンプルさの原理
- ✅ 何らかの仮定なしに分類はできないという主張
選択肢の判断基準
- 「必要以上に多くの仮定を用いない」→ オッカムの剃刀
- 「データ量とパラメータ数の関係」→ バーニーおじさんのルール
- 「万能なモデルはない」→ ノーフリーランチ定理
- 「仮定なしでは分類不能」→ みにくいアヒルの子定理
まとめ（試験直前用）
- オッカムの剃刀＝仮定は最小限に
- シンプルな説明を選ぶ原理
- 過学習防止の考え方につながる
- 他の哲学的原理と混同しやすい
- 「仮定を増やすな」とあれば即これ
🔗 関連記事
🏠 G検トップに戻る