問題
すべての学習データを使って損失関数を計算する方法
問題
等しいかどうか(= or ≠)で判定する。単純に区別することが目的。カウントのみ可能。データを数えることしできない。
問題
大きいか小さいか(> or <)、不等式で判定する。大小関係・順序に意味がある。カウントと比較が可能。
問題
たし算、ひき算、平均の計算が可能(+,-)。差に意味がある。
問題
たし算、ひき算、かけ算、わり算(+, -, ×, ÷)の計算が可能。
問題
数値で表すことができるもの
問題
数値で表すことができないもの
問題
カテゴリ変数に応じた数値を割り当てるエンコーディング方法
問題
カテゴリ変数ごとに特徴量を作ってTrue/Falseを割り当てるエンコーディング方法
問題
カテゴリ変数の出現回数を割り当てるエンコーディング方法
機械学習
得点
0 / 10
正答率
0%
正解: 0
不正解: 0
未解答: 10
問題一覧
1
すべての学習データを使って損失関数を計算する方法パッチ学習法
2
等しいかどうか(= or ≠)で判定する。単純に区別することが目的。カウントのみ可能。データを数えることしできない。名義尺度
3
大きいか小さいか(> or <)、不等式で判定する。大小関係・順序に意味がある。カウントと比較が可能。順序尺度
4
たし算、ひき算、平均の計算が可能(+,-)。差に意味がある。間隔尺度
5
たし算、ひき算、かけ算、わり算(+, -, ×, ÷)の計算が可能。比率尺度
6
数値で表すことができるもの量的データ
7
数値で表すことができないもの質的データ
8
カテゴリ変数に応じた数値を割り当てるエンコーディング方法Label Encoding
9
カテゴリ変数ごとに特徴量を作ってTrue/Falseを割り当てるエンコーディング方法One-hot Encoding
10
カテゴリ変数の出現回数を割り当てるエンコーディング方法Count Encoding
11
データを平均を0、分散を1となるように変換する手法を( )という。( )スケーリングともいう。標準化 Zスコア
12
データを0から1の範囲に変換する手法を( )という。( )スケーリングともいう。このとき、最小値は0, 最大値は1となる。正規化 Min-Max
13
データの欠損値や異常値を処理する前処理方法の一つデータクレンジング
14
データの値を特定の範囲に変換する前処理方法の一つスケーリング
15
テキストデータ(文字データ)を数値データに変換する前処理方法の一つエンコーディング
16
データの次元数を減らす前処理方法次元削減
17
機械学習データの中から強い関連がある特徴を選択すること特徴選択
18
データの一部が意図なく(ランダムに)欠損していることMCAR
19
データの一部が測定対象に依存して欠損していることMAR
20
データそのものが測定対象に依存して欠損していることMNAR
21
教師あり学習は大きく( )と( )に分けられる。回帰 分類
22
正規分布において、両側検定の場合は5%点が( )、1%点が( )、片側検定の場合は5%点が( )、1%点が( )である。1.96 2.58 1.65 2.33