線形回帰モデルは、（ア）と（イ）の線形結合として表される

線形回帰モデルを表す式において、各特徴量にかかっているパラメータが表すものとして、適切な選択肢を選べ

線形回帰モデルにおいて、説明変数が2つ以上の場合を（ア）モデルと呼び、その場合の各説明変数にかかる係数を（イ）と呼ぶ

教師あり学習の機械学習手法の1つとして、特定の変数と閾値について条件分岐を繰り返すことによって解く（ア）という手法がある

決定木は、ツリーの枝分かれ構造のように特定の変数の値によってデータを分割し続ける手法である。分類問題に決定木を適用する際のデータ分割の基準として、あてはまる選択肢を選べ

サポートべクトルマシン（SVM）において（ア）は一部のサンプルの誤分類に寛容になるようにし、汎化性能を高めるために導入されている

決定木のツリー構造（木構造）は各節において2つに枝分かれする。その際にデータに対して条件分岐を行う。ツリー構造の一番下の階層にある（ア）にたどり着くと、その（ア）に対する値が予測値として出力される

決定木におけるデータの扱いについて、不適切な選択肢を選べ

決定木において無制御２木を成長させていくと、最終的には1つの葉に1つのデータのみ割り振りされている状態になりがちである。これにより（ア）が起こりやすくなる

ランダムフォレストを構成するそれぞれの決定木が学習に使うデータは、（ア）という手法を用いて抽出される

サポートベクトルマシンに取り入れるカーネル法の目的として、適切な選択肢を選べ

SVMにおいて、計算量を減らすために用いられる手法として適切な選択肢を選べ

複数の決定木を用いた機械学習の活用に関して、不適切な選択肢を選べ

決定木を逐次的に学習させ、誤予測したサンプルに対する重みを増やすことで、後続の学習期において精度を高める手法として、適切な選択肢を選べ

ディープラーニングを利用する上で、留意すべきことについて適切な選択肢を選べ

（ア）のアルゴリズムの1つであるK-Meansでは、データ同士の（イ）をもとに、それらを複数のグループに分割する手法がある。顧客セグメンテーションなど、正解ラベルが付与されていないデータでも利用することができる

K-Meansでは、初期的にデータをいくつかのクラスタに分割し、続いて各クラスタの特徴量空間上の（ア）を計算し、各テータを一番近い（ア）のクラスに割り当て直す。この操作を（イ）までくりかえす

K-Meansでは初期状態において、データを適当にグループに分ける。グループの数が最終的なモデルの精度に影響することがある。グループの数の決め方として、適切な選択肢を選べ

クラスタリングに使われるデンドログラムについて適切な選択肢を選べ

高次元データの次元圧縮あるいは可視化に使われるアルゴリズムとして不適切な選択肢を選べ