重要度：A
問16：正解ラベル付きデータで学習し、分類や回帰を行う機械学習の枠組みはどれか。
- A：教師あり学習
- B：強化学習
- C：教師なし学習
【第16問：正解と解説】
正解：A
【解説】
・A：正解はAです。分類(離散値予測)と回帰(連続値予測)がある。ラベルなしで構造を見つけるのが教師なし学習。【試験対策】正解ラベルあり=教師あり学習。
・B：強化学習は報酬を手がかりに試行錯誤で学ぶ枠組みで、正解ラベルで学ぶ教師あり学習とは異なる。
・C：教師なし学習はラベルなしデータから構造を見つける枠組みで、正解ラベルで学ぶ教師あり学習とは異なる。
関連過去問：R4,問15
重要度：B
問17：教師なし学習で、データを類似性に基づいていくつかのグループに分ける手法はどれか。
- A：クラスタリング
- B：回帰
- C：分類(教師あり)
【第17問：正解と解説】
正解：A
【解説】
・A：正解はAです。クラスタリングは正解ラベルなしに、似たもの同士を自動的にまとめる。【試験対策】ラベルなしでグループ化=クラスタリング。
・B：回帰は連続値を予測する手法で、類似性でグループ分けするクラスタリングとは目的が異なる。
・C：分類はあらかじめ決めたカテゴリに振り分ける教師あり学習で、ラベルなしのクラスタリングとは異なる。
関連過去問：R4,問15
重要度：B
問18：回帰に関する記述として正しいものはどれか。
- A：売上高や気温などの連続値を予測する問題である
- B：データをあらかじめ決めたカテゴリのいずれかに振り分ける問題である
- C：類似性に基づきグループに分ける問題である
【第18問：正解と解説】
正解：A
【解説】
・A：正解はAです。カテゴリに振り分けるのは分類。【試験対策】連続値予測=回帰、カテゴリ振り分け=分類。
・B：カテゴリに振り分けるのは分類の説明で、連続値を予測する回帰とは異なる。
・C：類似性でグループ分けするのはクラスタリングで、連続値を予測する回帰とは異なる。
関連過去問：R4,問15
重要度：B
問19：訓練データに適合しすぎて、未知データへの予測性能(汎化性能)が低下する現象はどれか。
- A：次元削減
- B：未学習(アンダーフィッティング)
- C：過学習(オーバーフィッティング)
【第19問：正解と解説】
正解：C
【解説】
・A：次元削減は特徴量を圧縮する処理で、汎化性能が低下する過学習という現象とは異なる。
・B：未学習はモデルが単純すぎて訓練データにも十分適合しない状態で、適合しすぎる過学習とは逆である。
・C：正解はCです。訓練データの誤差は小さいが未知データで誤差が大きくなる。交差検証等で防ぐ。【試験対策】訓練に適合しすぎ=過学習。
関連過去問：基礎知識
重要度：A
問20：多層のニューラルネットワークを用い、特徴量を自動的に学習する機械学習手法はどれか。
- A：深層学習(ディープラーニング)
- B：決定木
- C：線形回帰
【第20問：正解と解説】
正解：A
【解説】
・A：正解はAです。深層学習は人間が特徴を設計しなくてもデータから特徴表現を獲得できる。【試験対策】多層NN・特徴自動学習=深層学習。
・B：決定木は条件分岐で予測する手法で、多層NNで特徴を自動学習する深層学習とは異なる。
・C：線形回帰は直線的な関係で連続値を予測する手法で、多層NNの深層学習とは仕組みが異なる。
関連過去問：R5,問3
コメント