重要度：B
問31：過学習を防ぎモデルの汎化性能を確かめるため、学習に使わず評価用に分けておくデータはどれか。
- A：検証データ(バリデーションデータ)
- B：母集団データ
- C：訓練データ
【第31問：正解と解説】
正解：A
【解説】
・A：正解はAです。検証データはハイパーパラメータ調整やモデル選択に使い、分割評価の手法が交差検証。【試験対策】学習に使わず評価用=検証データ。
・B：母集団データは分析対象全体を指す概念で、モデル評価のために分けておく検証データとは異なる。
・C：訓練データはモデルの学習に用いるデータで、学習に使わず評価に用いる検証データとは逆の用途である。
関連過去問：基礎知識
重要度：C
問32：多数の特徴量を、情報をできるだけ保ちつつ少数の特徴量に圧縮する処理はどれか。
- A：過学習
- B：次元削減
- C：データクレンジング
【第32問：正解と解説】
正解：B
【解説】
・A：過学習は訓練データに適合しすぎる現象で、特徴量を圧縮する次元削減という処理とは異なる。
・B：正解はBです。主成分分析(PCA)などがあり、可視化や計算効率化に用いる教師なし学習の一種。【試験対策】特徴量を少数に圧縮=次元削減。
・C：データクレンジングは不備を修正する前処理で、特徴量を少数に圧縮する次元削減とは異なる。
関連過去問：基礎知識
重要度：C
問33：二値分類の性能を、しきい値を変えながら描いた曲線の下側面積で評価する指標はどれか。
- A：RMSE
- B：AUC(ROC曲線下面積)
- C：相関係数
【第33問：正解と解説】
正解：B
【解説】
・A：RMSEは回帰の予測誤差を測る指標で、二値分類のROC曲線下面積であるAUCとは用途が異なる。
・B：正解はBです。AUCは1に近いほど分類性能が高い。【試験対策】ROC曲線下面積=AUC(1に近いほど良い)。
・C：相関係数は変数間の直線関係の強さを表す指標で、分類性能を測るAUCとは異なる。
関連過去問：基礎知識
重要度：C
問34：生成AIに対して、望む出力を得るために与える指示文・入力はどれか。
- A：プロンプト
- B：パラメータ
- C：ハルシネーション
【第34問：正解と解説】
正解：A
【解説】
・A：正解はAです。指示の工夫で出力の質が変わり、その設計をプロンプトエンジニアリングという。【試験対策】生成AIへの指示文=プロンプト。
・B：パラメータはモデル内部の学習される値で、利用者が与える指示文であるプロンプトとは異なる。
・C：ハルシネーションは事実に反する出力を生成する現象で、AIへ与える指示文であるプロンプトとは異なる。
関連過去問：R6,問24
重要度：B
問35：分析の前処理として、欠損・重複・表記ゆれなどの不備を修正しデータの品質を整える作業はどれか。
- A：データマイニング
- B：データマート化
- C：データクレンジング
【第35問：正解と解説】
正解：C
【解説】
・A：データマイニングは大量データから規則性を見つける分析で、不備を修正する前処理のクレンジングとは異なる。
・B：データマート化は特定用途にデータを切り出すことで、品質を整える前処理のクレンジングとは異なる。
・C：正解はCです。データクレンジングは分析精度を左右する重要な前処理。【試験対策】不備を修正して品質を整える=データクレンジング。
関連過去問：R3,問8
コメント