【相続税】土地の評価単位を徹底解説！
続いて、「ただし書き」例外とは、市街化区域等※で田、畑、山林、原野、雑種地が隣接していて一体として評価した方が合理的な場合（すなわち一体評価したほうが評価が高くなる（一体評価することにより地積規模の大きな宅地に該当し、逆に評価が低くなることもありますが）ような場合）、地目が異なっても、それらを一体評価してくださいという例外です。
賃貸アパートの場合には入居者に借家権という権利が発生してます。土地の上に他者の権利がある場合には地目が同じであっても 別々の評価 になるのです。
これが、 権利に着目した評価単位の考え方 です。
したがって、A土地とB土地ではその土地上の 権利が異なるため別々の評価単位 となるのです。
2. 評価単位 パターン別解説
（1）複数の賃貸アパート
① A棟、B棟、C棟それぞれ入居者ごとに個別に賃貸契約しているケース
⇒ 各棟それぞれ 別々に評価 基本パターン9種類を徹底解説 。すなわち、3利用区分で評価単位を考える。
② A棟、B棟、C棟の3棟を一括でサブリース会社に賃貸している場合
⇒ この場合には、各棟別々に契約解除が可能な場合には上記①同様に各棟それぞれ 別々に評価 します。
賃貸人が各棟とも同じならば一体評価とも考えられそうですが、賃貸人は同じであっても契約がそれぞれ個別に契約されている場合には棟ごとに評価単位を考えます。
それでは、3棟同じ契約で契約解除も3棟同時にしかできない場合はどうでしょうか？このケースの裁決事例や裁判例を確認したことがないため、あくまで独断と偏見ですが、このような契約であれば3棟一体評価の可能性もあるかと思います。
（2）アパート駐車場
上図の様にアパートの居住者専用の駐車場が併設されている場合には、アパート建物の敷地と駐車場は 一体評価 となります。上記1（1）の「なお書き」例外のロジックです。
これに対し、上図の様にアパートの居住者以外にも駐車場を貸している場合には、原則通りの 地目別評価 （アパート建物敷地⇒宅地、駐車場⇒雑種地）となり、2つの評価単位で考えます。
（3）家庭菜園
①その位置
自宅と家庭菜園が公衆用道路で区切られているような場合には自宅と一体とは認められないため家庭菜園とは考えません。
②その規模
極端に言えば何ヘクタールもあるような規模のものを家庭用菜園と考えるのは無理があります。
③農地台帳登録の有無
農業委員会で農地として登録されているか否かを確認します。
④出荷の有無
自家消費レベルであれば家庭菜園と考えて問題無いでしょう。
⑤固定資産税上の地目
固定資産税評価における課税地目が畑なのか宅地なのか。
この辺が評価単位の難しいところで、地目も同じ、権利も区別がない（使用貸借）にも関わらず、物理的に段差等で遮断されている場合には、別評価単位と考える可能性がございます。上図の場合には3ｍもの格差があり、双方の土地に連続性を見出すことは難しいため被相続人家屋と長男家屋の敷地は 別評価単位 とする考えるのが妥当ではないでしょうか。
ポイントは、高低差があることにより分断された各部分をそれぞれ単独では利用することができないような特別の事情が認められるかどうかです。
すなわち、高低差により単独では利用することができない特別な事情があり⇒一体評価、単独で利用することができない特別な事情なし⇒別々に評価となります。
【前提】
・自宅家屋の所有者は被相続人
・自宅に被相続人と相続人Aが同居していた
・相続人Aが所有する乙土地の1/2は被相続人に使用貸借していた
・遺産分割により相続人Aが甲土地及び乙土地1/2を取得
Aに相続が発生した場合、甲、乙、丙の3つの土地はそれぞれ 一体評価 とします。
（6）配偶者居住権
配偶者居住権を設定した場合において、評価単位が問題となるケースとしては、敷地所有権（配偶者居住権が設定された土地の所有権）を複数の者で分筆相続（又は既に筆が分かれていた土地を筆ごとに複数の者が相続）する場合です。
下記国税庁HPの質疑応答事例から転載した図で確認してみましょう。
A土地は長男が取得し、B土地は二男が取得した場合、A土地とB土地をそれぞれ別の評価単位で評価します。前述で確認した「取得」の論点ですね。
敷地所有権の評価単位は原則通りなので問題は生じません。
続いて配偶者が取得した配偶者居住権に係る敷地利用権についてです。
今まで常識で言えば、借地権の評価単位のロジックを準用して敷地利用権の評価単位はAB土地を一体評価となりますよね。
借地権の評価単位の詳しい説明は、国税庁HP 質疑応答事例 宅地の評価単位－借地権を参照してください。
この借地権の評価単位と同様のロジックで敷地利用権を一体評価してしまうと『敷地所有権評価額＋敷地利用権評価額＝その土地の自用地評価額』という算式が成り立たなくなり合理的な評価ではなくなってしうとのことです。（国税庁の見解です）
したがって、結論としては、配偶者居住権が設定された場合の敷地利用権の評価単位は、 「敷地所有権の評価単位と完全に合わせる」 ということとなります。
上の図の場合には、敷地所有権も敷地利用権もA土地、B土地をそれぞれ別の評価単位として評価します。
基本パターン9種類を徹底解説
本稿ではモデルの調整、さらに厳密に言うと「ハイパーパラメータチューニング」と呼ばれるタスクを機械学習初心者向けに徹底解説します。
確認済み動作環境
【Google Colab】
2020年3月30日執筆時点の構成
参照：Google Colabの使い方
【macOS】
macOS Mojvabe 10.14.6
Python 3.基本パターン9種類を徹底解説 6.9
NumPy 1.14.6
Pandas 0.22.0
Scikit-Learn 0.20.1
XGBoost 1.0.2
ハイパーパラメータとは
この設定（ハイパーパラメータの値）に応じてモデルの精度やパフォーマンスが大きく変わることがあります。例えば男女を分類するモデルを構築していた場合、特に調整を行わずに初期設定のままモデリングを行なった結果、最初は90%の正解率を得ることができたとします。90%の精度では使い物にならないと上司に怒られたので、ハイパーパラメータ（モデルの設定）を調整したところ93%へ改善することがあります。ハイパーパラメータチューニング自動化の動きもありますが、一般的には「人間」が「手動」で調整を行なっていきます。
前述した通りハイパーパラメータは機械学習アルゴリズムの「設定」です。つまり、機械学習手法ごとに異なる値のハイパーパラメータがあります。
ハイパーパラメータチューニングの3つの手法
その1 グリッドサーチ（Grid Search）
【メリット】
調整する値の「あたり」が付いている場合は◎
調整する値の数が少ない場合は◎
【デメリット】
モデル訓練回数が増えるので時間が掛かる
計算コストが非常に高い
その2 ランダムサーチ（Random Search）
ランダムサーチの場合は検証するためのモデル訓練の回数を指定します。例えば候補Aには10個の値、候補Bには5個、候補Cは30個の値があるとします。この場合、グリッドサーチでは全組み合わせ1500回（10 x 基本パターン9種類を徹底解説 5 x 30）のモデル訓練を行います。仮に1回の訓練で30分要するとした場合、なんと31日もかかってしまいます。現実的ではありません。
その3 ベイズ最適化（Bayesian Optimization）
ベイズ最適化とは不確かさを利用して次に探索を行うべき値を探していく最適化アルゴリズムの一種です。目的関数（Acquisition 基本パターン9種類を徹底解説 Function）を推定する代理モデル（Surrogate Model）にはガウス過程が使われます。
このようにベイズ最適化では「前回の結果を踏まえて次をバランス良く試す」ことが可能です。ベイズ最適化を厳密に理解したい方は「機械学習スタートアップシリーズ ベイズ推論による機械学習入門」（リンク先 Amzon）がオススメです。
ハイパーパラメータチューニングの実装
Kaggleで公開されている「Human Resources Data Set」（以後、人事データセット）を使って、XGBoostのハイパーパラメータを3つの手法を使って調整してみましょう。
Kaggleにログイン後に上記URLの「Download」からHRDataset_v13.csvが取得できます。ご自身のローカルマシンにHRDataset_v13.csvを保存してください。
こちらのデータセットはNew England College of Businessの教材の一環として Drs. Rich Huebner氏とCarla Patalano氏がデザインしたデータセットです。データセットの詳細については以下のページをご参照ください。
データの読み込みと確認
PayRate Termd Position Sex MaritalDesc RaceDesc Department ManagerName RecruitmentSource EngagementSurvey EmpSatisfaction SpecialProjectsCount
Brown , Mia 28.50 0.0 Accountant I F Married Black or African American Admin Offices Brandon R . LeBlanc Diversity Job Fair 2.04 2.0 6.0
LaRotonda , William 23.00 0.0 Accountant I M Divorced Black or African American Admin 基本パターン9種類を徹底解説 Offices Brandon R . LeBlanc Website Banner Ads 5.00 4.0 4.0
Steans , Tyrone 29.00 0.0 Accountant I M Single White Admin Offices Brandon R . LeBlanc Internet Search 3.90 5.0 5.0
Howard , Estelle 21.50 1.0 Administrative Assistant F Married White Admin Offices Brandon R . LeBlanc Pay Per Click - Google 3.24 3.0 4.0
Singh , Nan 16.56 0.0 Administrative Assistant F Single White Admin Offices Brandon R . LeBlanc Website Banner Ads 5.00 3.0 5.0
コメント