3章

10問 • 1年前

山下未誉

通報

問題一覧

あらかじめ与えられた実例と未知のデータの特徴と比較して、似ているものを探し出すことで未知のデータを分類すること。

k近傍法

K近傍法とは、あらかじめ与えられた①と②の特徴と比較して、③を探し出すことで②を分類すること。

実例, 未知のデータ, 似ているもの

決定木とは①のひとつ。・「②」をデータから見つける。・③した④によって⑤を記述した知識表現。・対象物の持つ複数の属性から、その⑥や⑦を決定することができる。（属性：⑧の有する特徴を記述した情報のこと。)

分類法, もし～なら, 枝分かれ, 木構造, 特徴分類手続き, 性質, 分類カテゴリ, 分類対象

分類法の一つである①について・「もし～なら」をデータから見つける。・枝分かれした木構造によって特徴分類手続きを記述した知識表現。・対象物の持つ複数の属性から、その性質や分類カテゴリを決定することができる。（属性：分類対象の有する特徴を記述した情報のこと。)

決定木

決定木作成の機械学習アルゴリズムについて。学習データセットは空になるが、全てのカテゴリが同一になるまで次を繰り返す。 1. ①を用いて学習データセットを②に分類する。 2. 分類に利用できる属性がなければ、③を完成できずに④を終了する。 3. それぞれの②について、本④を⑤に⑥する

適当な属性, サブセット, 分類知識, アルゴリズム, 再帰的, 適要

①とは決定木を構成する際、ひとつの決定木を作成するのではなく、複数の決定木を作成し、それら全体を一つの知識として利用する方法

ランダムフォレスト

ランダムフォレストとは ①を構成する際、ひとつの①を作成するのではなく、②の決定木を作成し、それら全体を一つの③として利用する方法

決定木, 複数, 知識

特徴量によって、対象物を分類する分類知識をえるための機械学習方法を①といい、また②（英3字）とも表現できる

サポートベクターマシン, SVM

ま

マシン最大化, サポートベクター, 決定境界, マージン, サポートベクター, サポートベクター

カーネルトリック

決まっ

決まっ

なかま

なかま

きまっ

きまっ

命かかってる

命かかってる

読み

読み

0416

0416

1回目

1回目

2回目

2回目

中間

中間

中間

中間

中間過去問

中間過去問

中間

中間

中間

中間

3回目

3回目

前期中間

前期中間

4回目

4回目

期末😡

期末😡

きまつ

きまつ

期末

期末

11章

11章

期末(No.23-)

期末(No.23-)

再試

再試

後期中間

後期中間

4. 知識表現と推論

4. 知識表現と推論

問題一覧

あらかじめ与えられた実例と未知のデータの特徴と比較して、似ているものを探し出すことで未知のデータを分類すること。

k近傍法

K近傍法とは、あらかじめ与えられた①と②の特徴と比較して、③を探し出すことで②を分類すること。

実例, 未知のデータ, 似ているもの

分類法, もし～なら, 枝分かれ, 木構造, 特徴分類手続き, 性質, 分類カテゴリ, 分類対象

決定木

適当な属性, サブセット, 分類知識, アルゴリズム, 再帰的, 適要

①とは決定木を構成する際、ひとつの決定木を作成するのではなく、複数の決定木を作成し、それら全体を一つの知識として利用する方法

ランダムフォレスト

ランダムフォレストとは ①を構成する際、ひとつの①を作成するのではなく、②の決定木を作成し、それら全体を一つの③として利用する方法

決定木, 複数, 知識

特徴量によって、対象物を分類する分類知識をえるための機械学習方法を①といい、また②（英3字）とも表現できる

サポートベクターマシン, SVM

ま

マシン最大化, サポートベクター, 決定境界, マージン, サポートベクター, サポートベクター

カーネルトリック